|
|
Video Enhancement Using Convolutional Networks
Skácel, David ; Špaňhel, Jakub (referee) ; Hradiš, Michal (advisor)
Convolutional neural networks (CNN) represent a state-of-the-art approach to non-trivial image processing tasks, including compression artifacts reduction and image super-resolution. As some research groups nowadays show, these networks can also be leveraged to perform such tasks on real-world video data, resulting in video spatial super-resolution and more. The main goal of this work is to determine whether these nets can be adjusted to perform temporal super-resolution of real-world video data. I utilize the aforementioned neural net architectures in this paper to do so. As I show, given that the input videos are of reasonable quality, these nets are capable of double-image interpolation up to a certain level, where the output image is usable for temporal upsampling. Although the presented results are promising, I encourage more research to be done on this topic.
|
|
|
Architectural visualization in virtual reality
Hložanka, Filip ; Rujbrová, Šárka (referee) ; Reich, Pavel (advisor)
Tato práce se zaměřuje na nynější podobu virtuální reality a její využití v průmyslovém designu a architektuře. Je rozdělená do dvou částí. V první částí je popsána historie virtuální reality včetně fází vývoje a nejpopulárnějších produktů. Dále jsou v ní porovnány současné produkty virtuální reality dostupné pro uživatele spolu s technologiemi pro sledování pohybu uživatele a jeho interakce s virtuálním prostředím. Jsou v ní také vysvětleny problémy při zavádění virtuální reality do pracovního prostředí, a nakonec je uvedeno několik příkladů využití virtuální reality v průmyslu. Druhá část se zaměřuje na jednu z těchto možností využití virtuální reality – architektonickou vizualizaci, přičemž je v ní popsána její evoluce, jsou v ní porovnány softwarové možnosti pro její tvorbu a zobrazování, a nakonec je ukázán příklad přenesení reálné místnosti do virtuální podoby. Závěr se zaměřuje na možnosti rozvoje virtuální reality, výsledky porovnání softwarů pro architektonickou vizualizaci a proces tvorby příkladu vizualizace.
|
|
|
Longtime Video
Macháček, Martin ; Beran, Vítězslav (referee) ; Juránková, Markéta (advisor)
This thesis describes methods used for making time-lapse video from a set of photographs and tools, which make it easier. It suggests and evaluates different approaches useful for elimination of frames, which differ from the rest of the set, application of digital image filters and other useful features. Practical part of this work is a computer program implementing these methods and features.
|
|
|
Architectural visualization in virtual reality
Hložanka, Filip ; Rujbrová, Šárka (referee) ; Reich, Pavel (advisor)
Tato práce se zaměřuje na nynější podobu virtuální reality a její využití v průmyslovém designu a architektuře. Je rozdělená do dvou částí. V první částí je popsána historie virtuální reality včetně fází vývoje a nejpopulárnějších produktů. Dále jsou v ní porovnány současné produkty virtuální reality dostupné pro uživatele spolu s technologiemi pro sledování pohybu uživatele a jeho interakce s virtuálním prostředím. Jsou v ní také vysvětleny problémy při zavádění virtuální reality do pracovního prostředí, a nakonec je uvedeno několik příkladů využití virtuální reality v průmyslu. Druhá část se zaměřuje na jednu z těchto možností využití virtuální reality – architektonickou vizualizaci, přičemž je v ní popsána její evoluce, jsou v ní porovnány softwarové možnosti pro její tvorbu a zobrazování, a nakonec je ukázán příklad přenesení reálné místnosti do virtuální podoby. Závěr se zaměřuje na možnosti rozvoje virtuální reality, výsledky porovnání softwarů pro architektonickou vizualizaci a proces tvorby příkladu vizualizace.
|
|
|
Video Enhancement Using Convolutional Networks
Skácel, David ; Špaňhel, Jakub (referee) ; Hradiš, Michal (advisor)
Convolutional neural networks (CNN) represent a state-of-the-art approach to non-trivial image processing tasks, including compression artifacts reduction and image super-resolution. As some research groups nowadays show, these networks can also be leveraged to perform such tasks on real-world video data, resulting in video spatial super-resolution and more. The main goal of this work is to determine whether these nets can be adjusted to perform temporal super-resolution of real-world video data. I utilize the aforementioned neural net architectures in this paper to do so. As I show, given that the input videos are of reasonable quality, these nets are capable of double-image interpolation up to a certain level, where the output image is usable for temporal upsampling. Although the presented results are promising, I encourage more research to be done on this topic.
|
|
|
Longtime Video
Macháček, Martin ; Beran, Vítězslav (referee) ; Juránková, Markéta (advisor)
This thesis describes methods used for making time-lapse video from a set of photographs and tools, which make it easier. It suggests and evaluates different approaches useful for elimination of frames, which differ from the rest of the set, application of digital image filters and other useful features. Practical part of this work is a computer program implementing these methods and features.
|
guest ::
