Representing time-varying surfaces using neural networks – Bc. Filip HÁCHA
Bc. Filip HÁCHA
Diplomová práce
Representing time-varying surfaces using neural networks
Representing time-varying surfaces using neural networks
Abstract:
Tato práce se zabývá možností použití neuronových sítí pro reprezentaci časově proměnných povrchů. Navržená metoda je založena na přeučení neuronové sítě při regresi znaménkové vzdálenostní funkce povrchu. Navržená neuronová reprezentace dynamických povrchů byla otestována na dvou různých sekvencích trojúhelníkových sítí a následně byly navrženy další techniky pro zlepšení kvality rekonstruovaného …víceAbstract:
This work deals with the possibility of using neural networks for the representation of time-varying surfaces. The proposed method is based on the overfitting of a neural network in the regression of the signed distance function of the surface. The proposed neural representation of dynamic surfaces was tested on two different sequences of triangle meshes, and subsequently, other techniques were proposed …více
Jazyk práce: angličtina
Datum vytvoření / odevzdání či podání práce: 20. 5. 2021
Zveřejnit od: 31. 12. 2999
Obhajoba závěrečné práce
- Vedoucí: Doc. Ing. Libor Váša, Ph.D.
Citační záznam
Jak správně citovat práci
HÁCHA, Filip. Representing time-varying surfaces using neural networks. Plzeň, 2021. diplomová práce (Ing.). ZÁPADOČESKÁ UNIVERZITA V PLZNI. Fakulta aplikovaných věd
Plný text práce
Právo: Autor si nepřeje zpřístupnění práce veřejnosti
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- Soubory jsou nedostupné.
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: ZÁPADOČESKÁ UNIVERZITA V PLZNI, Fakulta aplikovaných vědVázaný výtisk práce naleznete v Univerzitní knihovně ZČU, více na http://www.knihovna.zcu.cz/kvalifikacni-prace/
ZÁPADOČESKÁ UNIVERZITA V PLZNI
Fakulta aplikovaných vědMagisterský studijní program / obor:
Inženýrská informatika / Počítačová grafika
Práce na příbuzné téma
-
Aktualizace výukových materiálů pro předmět Počítačová grafika II
Petr Kamenický -
Vektorová grafika ve volnočasovém vzdělávaní
Terezie VOLFOVÁ -
Grafika v systému počítačové algebry Maxima
Mikuláš Múdry -
Vzdělávací hra vysvětlující strojového učení a neuronové sítě
Jakub Ostrihoň -
Modelování hudební transkripce pomocí hlubokého učení: návrh, konstrukce a validace modelu na principu rekurentní neuronové sítě
Daniel Kvak -
Strojové učení s využitím metody transfer learning
Jan Štol -
Detekce strojově přeložených textů pomocí strojového učení
Jan Kusák -
Aplikace metod strojového učení pro rozpoznávání znakové řeči
Mikhail Yuskou