میدانهای تابشی عصبی (NeRF)
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- آشنایی با بازسازی
- آشنایی با بازسازی سهبعدی
- آشنایی با میدانهای تابشی عصبی (NeRF)
- ترکیب view جدید با NeRF
- بازسازی سهبعدی با NeRF (استخراج مش)
- آشنایی با رندرینگ سهبعدی
پیشنیازهای دوره
- دانش اولیه برنامهنویسی
- دانش اولیه یادگیری ماشین
توضیحات دوره
به این دوره درباره میدانهای تابشی عصبی (NeRF) خوش آمدید!
میدان تابشی عصبی یک فناوری نوآورانه است که توجه زیادی را در دنیای بینایی کامپیوتر به خود جلب کرده است. Nerf امکان ترکیب view جدید و بازسازی سهبعدی را در کنار کاربردهای دیگر فراهم میکند. از زمان معرفی آن در دو سال پیش، استارتاپهای زیادی شکل گرفتهاند و همانطور که آگهیهای شغلی نشان میدهند، شرکتهای بزرگ فناوری مانند متا، اپل، گوگل، آمازون و غیره از آن استفاده میکنند.
در این دوره آنلاین، با موارد زیر آشنا خواهید شد:
- مدلهای Nerf چگونه کار میکنند و چگونه میتوان از آنها در کاربردهای مختلف استفاده کرد؟
- چگونه یک مدل Nerf را آموزش دهیم و ارزیابی کنیم؟
- چگونه از یک مدل بهینهشده، view جدید تولید کنیم؟
- چگونه از یک مدل بهینهشده، یک مش سهبعدی استخراج کنیم؟
- چگونه Nerf را در پروژههای بینایی کامپیوتر خود یکپارچه کنیم؟
- نمونههایی از کاربردهای واقعی Nerf در صنعت
این دوره برای توسعهدهندگان و پژوهشگرانی طراحی شده است که میخواهند درباره Nerf یاد بگیرند و از آن در پروژههای خود استفاده کنند. ما همه جنبههای راهاندازی و استفاده از Nerf را از ابتدا تا انتها پوشش میدهیم.
همین حالا به این دوره جامع آنلاین درباره مدلهای Nerf دسترسی پیدا کنید و یاد بگیرید این فناوری چگونه میتواند پروژههای بینایی کامپیوتر شما را ارتقا دهد.
این فرصت را برای یادگیری جدیدترین پیشرفتها در بینایی کامپیوتر با Nerf از دست ندهید!
این دوره برای چه کسانی مناسب است؟
- مهندسان و برنامهنویسان
- دانشجویان و پژوهشگران
- کارآفرینان، مدیر عاملان و مدیران ارشد فناوری
- علاقهمندان به یادگیری ماشین
میدانهای تابشی عصبی (NeRF)
-
مقدمه 08:22
-
آشنایی با بازسازی - بخش 1 06:51
-
آشنایی با بازسازی - بخش 2 06:53
-
رهگیری پرتو و مدل دوربین 15:53
-
دوربین: بصریسازی 06:13
-
رندرینگ سهبعدی 13:56
-
رندرینگ حجمی - بخش 1 14:49
-
رندرینگ حجمی - بخش 2 29:33
-
رندرینگ قابلمشتق و بهینهسازی 13:06
-
افزودن ماتریس چرخش به دوربین: Camera To World 14:58
-
دوربین و مجموعهداده - بخش 1 22:55
-
دوربین و مجموعهداده - بخش 2 14:29
-
رندرینگ حجمی 05:53
-
مدل سهبعدی: وکسلها 21:06
-
حلقه بهینهسازی یادگیری ماشین 16:05
-
منظمسازی پسزمینه سفید 13:35
-
فروپاشی حالت روی داده مصنوعی: راهحل 08:42
-
مقدمه 22:58
-
معماری: پیادهسازی 16:14
-
کدگذاری مکانی: پیادهسازی 14:25
-
نتایج 03:35
-
ترکیب view جدید 24:45
-
استخراج مش 15:01
-
استخراج رنگ - روش 1 11:50
-
استخراج رنگ - روش 2 05:32
-
ساختار این بخش 01:13
-
ویژگیهای فوریه به شبکهها اجازه میدهند توابع با فرکانس بالا را در ابعاد پایین یاد بگیرند 13:00
-
نمایشهای ضمنی عصبی با توابع فعالسازی تناوبی 09:07
-
شبکههای فیلتر ضربی 03:24
-
مقداردهی اولیه آموختهشده برای بهینهسازی نمایشهای عصبی مبتنی بر مختصات 09:54
-
GRF: یادگیری یک میدان تابشی عمومی برای نمایش و رندرینگ سهبعدی 05:36
-
pixelNeRF: میدانهای تابشی عصبی (NeRF) از یک یا چند تصویر 05:51
-
GIRAFFE: نمایش صحنهها بهصورت میدانهای ویژگی عصبی Generative کامپوزیشنال 07:51
-
iNeRF: معکوسسازی میدانهای تابشی عصبی برای تخمین وضعیت 05:57
-
−−NeRF: میدانهای تابشی عصبی بدون پارامترهای دوربینِ معلوم 03:28
-
AutoInt: انتگرالگیری خودکار برای رندرینگ حجمی سریع عصبی 06:40
-
KiloNeRF: سرعتبخشی به میدانهای تابشی عصبی با هزاران MLP کوچک 05:08
-
Light Field Networks: نمایشهای عصبی صحنه با ارزیابی تکمرحلهای 07:13
-
FastNeRF: رندرینگ عصبی با کیفیت بالا در 200 فریم بر ثانیه 09:50
-
SqueezeNeRF: نسخهای بیشتر فاکتورگیریشده از FastNeRF برای استنتاج کممصرف از نظر حافظه 04:24
-
PlenOctrees برای رندرینگ بلادرنگ میدانهای تابشی عصبی 04:51
-
DeepSDF: یادگیری توابع فاصله امضادار پیوسته 04:33
-
NeuS: یادگیری سطوح ضمنی عصبی با رندرینگ حجمی 04:07
-
UNISURF: یکپارچهسازی سطوح ضمنی عصبی و میدانهای تابشی 03:55
-
Plenoxels: میدانهای تابشی بدون شبکههای عصبی 04:19
-
Primitiveهای گرافیکی عصبی فوری با کدگذاری هش چند-رزولوشنی 08:55
-
آخرین دستاوردها در رندرینگ عصبی 02:04
-
پیشرفتها در رندرینگ عصبی 02:12
-
++NeRF: تحلیل و بهبود میدانهای تابشی عصبی 05:47
-
Mip-NeRF: یک نمایش چندمقیاسی برای میدانهای تابشی عصبی ضد aliasing 05:46
-
Mip-NeRF 360: میدانهای تابشی عصبی بدون مرز و ضد aliasing 04:37
-
میدانهای تابشی عصبی خودکالیبره 02:44
-
DeRF: میدانهای تابشی تجزیهشده 03:10
-
میدانهای وکسل پراکنده عصبی 03:57
-
Luma 01:32
-
nerf_pl 06:54
-
NerfStudio - مقدمه 05:20
-
NerfStudio - نصب و آموزش 07:06
-
مدلهای خود را در NerfStudio بگنجانید 20:52
-
NerfStudio - داشبورد و نتایج 03:04
-
SDF Studio 01:57
-
tiny-cuda-nn 06:06
-
بهبود Nerf با MLPهای کاملاً ادغامشده 10:06
-
instant-ngp 02:50
-
ngp_pl 05:02
-
ngp_pl - نصب 02:27
-
ngp_pl - آموزش 10:46
-
ngp_pl - تست 03:52
-
NerfAcc 06:05
-
نتیجهگیری 01:06
مشخصات آموزش
میدانهای تابشی عصبی (NeRF)
- تاریخ به روز رسانی: 1405/04/02
- سطح دوره:مقدماتی
- تعداد درس:70
- مدت زمان :10:02:17
- حجم :7.34GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy