Original title: 3D rekonstrukce z fotografií pomocí hlubokých neuronových sítí
Translated title: 3D Reconstruction from Images with Deep Neural Networks
Authors: Fedorova, Tatiana ; Vaško, Marek (referee) ; Španěl, Michal (advisor)
Document type: Bachelor's theses
Year: 2026
Language: cze
Publisher: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract: [cze] [eng]
Práce se zabývá využitím hlubokých neuronových sítí pro 3D rekonstrukci z fotografií. Teoretická část shrnuje základní principy obrazové rekonstrukce, kamerovou geometrii, klasické metody a vybrané neuronové přístupy. V praktické části je použit model DUSt3R na vlastních snímcích z venkovního městského prostředí. Protože k datům nebyla dostupná měřená hloubka, byly pomocné referenční údaje získány pomocí nástroje COLMAP. Součástí práce je příprava dat, tvorba dvojic snímků, zpracování hloubkových map a ověření možností dotrénování modelu. Experimenty ukázaly, že úplné dolaďování je na dostupném hardwaru příliš náročné, proto byl zvolen postup s trénováním pouze výstupních hlav. Nejlepší varianta po 24 epochách snížila vůči předtrénovanému modelu chybu MAE přibližně o 5,53% a zvýšila metriku přibližně o 8,97%. This bachelor thesis deals with the use of deep neural networks for 3D reconstruction from photographs. The theoretical part summarizes the basic principles of image-based reconstruction, camera geometry, classical methods and selected neural approaches. The practical part uses the DUSt3R model on a custom outdoor urban dataset. Since measured depth data were not available, additional reference information was obtained using COLMAP. The work includes data preparation, generation of image pairs, processing of depth maps and evaluation of model fine-tuning. The experiments showed that fine-tuning the whole model is too demanding for the available hardware, so only the output heads were trained. The best variant after 24 epochs reduced the MAE error by approximately 5.53% and increased the metric by approximately 8.97% compared with the pretrained model.
Keywords: 3D reconstruction; COLMAP; deep learning; depth map; DUSt3R; model fine-tuning; neural networks; pseudo-ground-truth; 3D rekonstrukce; COLMAP; dolaďování modelu; DUSt3R; hloubková mapa; hluboké učení; neuronové sítě; pseudo-ground-truth

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: http://hdl.handle.net/11012/258814

Permalink: http://www.nusl.cz/ntk/nusl-776150


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Bachelor's theses