Ebook 3D Deep Learning Với Python - Thiết Kế Và Phát Triển Mô Hình Computer Vision Của Bạn Với Dữ Liệu 3D Bằng PyTorch3D Và Hơn Thế Nữa [Ấn Bản Lần Thứ 1 Tháng 10-2022] [PDF, EPUB+CODE] [9796E]
Trực quan hóa và xây dựng các mô hình deep learning với dữ liệu 3D bằng PyTorch3D và các Python framework khác để chinh phục các thử thách ứng dụng trong thế giới thực một cách dễ dàng.
1. Các tính năng chính:
- ✓ Tìm hiểu về xử lý dữ liệu 3D với rendering, PyTorch optimization, và heterogeneous batching.
- ✓ Thực hiện các khái niệm differentiable rendering với các ví dụ thực tế.
- ✓ Khám phá cách bạn có thể giảm bớt công việc của mình bằng các kỹ thuật 3D deep learning mới nhất bằng PyTorch3D.
2. Mô tả cuốn sách:
Với hướng dẫn thực hành về 3D deep learning này, các developer làm việc với 3D computer vision sẽ có thể áp dụng kiến thức của họ vào công việc ngay lập tức.
Hoàn chỉnh với các giải thích từng bước về các khái niệm thiết yếu và các ví dụ thực tế, cuốn sách này cho phép bạn khám phá và hiểu thấu đáo về công nghệ 3D deep learning tiên tiến nhất. Bạn sẽ thấy cách sử dụng PyTorch3D cho basic 3D mesh và point cloud data processing, bao gồm tải và lưu các tệp ply và obj, chiếu các điểm 3D vào sự phối hợp của camera bằng các perspective camera model hoặc orthographic camera model, rendering point cloud và mesh thành hình ảnh, và nhiều hơn nữa. Khi triển khai một số thuật toán 3D deep learning mới nhất, chẳng hạn như differential rendering, Nerf, synsin, và mesh RCNN, bạn sẽ nhận ra cách coding cho các mô hình học sâu này trở nên dễ dàng hơn bằng cách sử dụng thư viện PyTorch3D.
Khi kết thúc cuốn sách deep learning này, bạn sẽ sẵn sàng triển khai các mô hình 3D deep learning của riêng mình một cách tự tin.
3. Bạn sẽ học được gì:
- ✓ Phát triển các mô hình thị giác máy tính 3D để tương tác với môi trường.
- ✓ Làm quen với việc xử lý dữ liệu 3D với point clouds, meshes, ply, và obj file format.
- ✓ Làm việc với 3D geometry, camera models, phối hợp và chuyển đổi giữa chúng.
- ✓ Hiểu các khái niệm về rendering, shading và hơn thế nữa một cách dễ dàng.
- ✓ Triển khai differential rendering cho nhiều mô hình 3D deep learning.
- ✓ Các mô hình 3D deep learning hiện đại tiên tiến như Nerf, synsin, mesh RCNN.
4. Cuốn sách này dành cho ai:
Cuốn sách này dành cho các học viên machine learning ở trình độ sơ cấp đến trung cấp, nhà khoa học dữ liệu, kỹ sư ML và kỹ sư DL, những người đang muốn trở nên thành thạo với các kỹ thuật thị giác máy tính sử dụng dữ liệu 3D.
5. Mục lục:
Phần 1: 3D Data Processing Basic:
- ✓ Chương 01: 3D data file format - ply và obj, 3D coordination system, camera model.
- ✓ Chương 02: Các khái niệm rendering cơ bản, basic PyTorch optimization, heterogeneous batching.
Phần 2: 3D Deep Learning sử dụng PyTorch3D:
- ✓ Chương 03: Fitting sử dụng deformable mesh models.
- ✓ Chương 04: Các khái niệm cơ bản về Differentiable rendering.
- ✓ Chương 05: Differentiable volume rendering.
- ✓ Chương 06: NeRF - Neural Radiance Fields.
Phần 3: State-of-the-art 3D Deep Learning Sử dụng PyTorch3D:
- ✓ Chương 07: GIRAFFE.
- ✓ Chương 08: Human body 3D fitting sử dụng SMPL models.
- ✓ Chương 09: Synsin - end-to-end view synthesis từ một hình ảnh duy nhất.
- ✓ Chương 10: Mesh RCNN.
NHẬN GET EBOOK TRÊN AMAZON THEO YÊU CẦU
