Full metadata record
DC poleHodnotaJazyk
dc.contributor.advisorVáša Libor, Doc. Ing. Ph.D.
dc.contributor.authorHácha, Filip
dc.contributor.refereeVaněček Petr, Ing. Ph.D.
dc.date.accepted2021-6-21
dc.date.accessioned2021-06-25T12:37:33Z-
dc.date.available2020-9-11
dc.date.available2021-06-25T12:37:33Z-
dc.date.issued2021
dc.date.submitted2021-5-20
dc.identifier86162
dc.identifier.urihttp://hdl.handle.net/11025/44780
dc.description.abstractTato 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 povrchu. Kvalita výsledné reprezentace byla prozkoumána s použitím percepční metriky pro porovnávání povrchů. Výsledky práce ukazují dobré kompresní vlastnosti navržené reprezentace dynamických povrchů a demonstrují možnost použití této metody pro zvýšení snímkové frekvence původního povrchu.cs
dc.format60 s. (79 000 znaků)cs
dc.format.mimetypeapplication/pdf
dc.language.isoenen
dc.publisherZápadočeská univerzita v Plznics
dc.rightsPlný text práce je přístupný bez omezení.cs
dc.subjectpočítačová grafikacs
dc.subjectstrojové učenícs
dc.subjectneuronové sítěcs
dc.subjectreprezentace časově proměnných povrchůcs
dc.subjectznaménková vzdálenostní funkcecs
dc.titleReprezentace časově proměnných povrchů neuronovými sítěmics
dc.title.alternativeRepresenting time-varying surfaces using neural networksen
dc.typediplomová prácecs
dc.thesis.degree-nameIng.cs
dc.thesis.degree-levelNavazujícícs
dc.thesis.degree-grantorZápadočeská univerzita v Plzni. Fakulta aplikovaných vědcs
dc.thesis.degree-programInženýrská informatikacs
dc.description.resultObhájenocs
dc.rights.accessopenAccessen
dc.description.abstract-translatedThis 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 to improve the quality of the reconstructed surface. The quality of the resulting representation was examined using a perceptual metric for comparing surfaces. The results show good compression properties of the proposed representation of dynamic surfaces and demonstrate the possibility of using this method for temporal super-resolution of the original surface.en
dc.subject.translatedcomputer graphicsen
dc.subject.translatedmachine learningen
dc.subject.translatedneural networksen
dc.subject.translatedtime-varying surfaces representationen
dc.subject.translatedsigned distance functionen
Vyskytuje se v kolekcích:Diplomové práce / Theses (KIV)

Soubory připojené k záznamu:
Soubor Popis VelikostFormát 
MasterThesis.pdfPlný text práce3,99 MBAdobe PDFZobrazit/otevřít
A19N0112Phodnoceni-ved.pdfPosudek vedoucího práce100,72 kBAdobe PDFZobrazit/otevřít
A19N0112Pposudek-op.pdfPosudek oponenta práce598,55 kBAdobe PDFZobrazit/otevřít
A19N0112Pobhajoba.PDFPrůběh obhajoby práce291,39 kBAdobe PDFZobrazit/otevřít


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/44780

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.