Neural Fields & 3D 컴퓨터 비전
1.Homogeneous Coordinates and 2D Homography
THE RED : Area Chair 이광무 교수의 Neural Fields & 3D 컴퓨터 비전 강의를 바탕으로 작성된 글입니다.특정 물리적 지점에서 카메라까지 어떻게 빛이 이동하는지를 모델링하기 위해 가장 처음 시작해야 될 것은 '빛이 이루는 특정 선을 어떻게 수학
2.The Pinhole Camera Model and Camera Pose
THE RED : Area Chair 이광무 교수의 Neural Fields & 3D 컴퓨터 비전 강의를 바탕으로 작성된 글입니다. 이제는 3차원 좌표 표현을 사용한다. 아래 자료는 3차원 세계의 점이 카메라 렌즈를 통해 2차원 이미지 plane으로 투영되는 장면이다.
3.Epipolar Geometry and the Fundamental Matrix
THE RED : Area Chair 이광무 교수의 Neural Fields & 3D 컴퓨터 비전 강의를 바탕으로 작성된 글입니다.두 개의 카메라를 사용하여 3D 공간의 물체를 촬영하고, 촬영된 2개의 2D 이미지를 이용하여 원래 3D 공간의 깊이(Depth)를 추정하
4.Computing the Fundamental Matrix from Correspondences
THE RED : Area Chair 이광무 교수의 Neural Fields & 3D 컴퓨터 비전 강의를 바탕으로 작성된 글입니다.projective ambiguity는 서로 다른 카메라 설정이 동일한 fundamental matrix, F를 가질 수 있는 경우를 의미
5.A Typical Camera Pose Estimation Pipeline
THE RED : Area Chair 이광무 교수의 Neural Fields & 3D 컴퓨터 비전 강의를 바탕으로 작성된 글입니다.2016년도에 개발된 pipeline COLMAP은 최근에도 사용되는 범용적인 pipeline이다. 이미지를 설명하는 local featu
6.Processing Point Clouds
THE RED : Area Chair 이광무 교수의 Neural Fields & 3D 컴퓨터 비전 강의를 바탕으로 작성된 글입니다. Point clouds 앞선 포스팅에서 Geometric Verification을 향상시키기 위한 딥 네트워크가 2018년 이전까지