Разметка 3D-облака точек в реальном времени по 2D-изображениям (рабочий процесс НИОКР) скачать в хорошем качестве

Разметка 3D-облака точек в реальном времени по 2D-изображениям (рабочий процесс НИОКР)

Книга по 3DDS на Python → https://www.oreilly.com/library/view/... Веб-просмотрщик 3D → https://learngeodata.eu/apps/viewers/... Ручная разметка 3D-облака точек — это главное узкое место в пространственном ИИ, отнимающее сотни часов у инженеров и тормозящее развертывание глубокого обучения. Когда я руководил командой исследований и разработок, наблюдая, как аннотаторы тратят 6 часов, борясь с камерой, чтобы разметить один-единственный скан LiDAR, я понял, что стандартный отраслевой рабочий процесс принципиально не работает. Эта сессия не о загрузке еще одного дорогостоящего коммерческого инструмента, привязанного к конкретному поставщику. Она об инновационной архитектуре. Мы создаем собственный гибридный графический интерфейс для аннотирования 2D-3D, полностью на Python. Используя геометрическую двойственность изображений и облаков точек, мы создаём маски в 2D и применяем интеллектуальный алгоритм слияния KD-деревьев для достижения геометрического консенсуса — распространяя точные метки по миллиардам 3D-точек без перегрузки оперативной памяти. Таким образом, вы перестаёте быть просто потребителем программного обеспечения и начинаете создавать собственные системы пространственного интеллекта. ⏱️ ВРЕМЕННЫЕ МЕТКИ: [00:00] Введение и демонстрация [00:38] Контекст: Проблемы с ручным ИИ [01:45] Подход к двойственности 2D-3D [03:08] Шаг 0: Окружение и наборы данных [03:30] Руководство по установке [04:06] Проверка данных реконструкции [04:43] Инициализация скрипта [05:01] Шаг 1: Загрузка данных 3D-сцены [05:53] Шаг 2: Маскирование 2D-изображения HD [07:28] Шаг 3: Проецирование масок в 3D [08:31] Шаг 4: Настройка нескольких кадров [08:58] Шаг 5: Слияние меток KD-дерева [09:48] Шаг 6: Выравнивание по нескольким видам [10:30] Парадигма аннотирования Сдвиг [12:35] Гибридная стратегия [13:56] Шаг 7: Анализ статистики сцены [14:21] Шаг 8: Экспорт объединенных данных PLY [14:50] Визуализация 3D-движка [15:18] Шаг 9: Сегменты без учителя [16:11] Шаг 10: Экспорт GLB и сплэттинга [16:35] Веб-визуализация [17:15] Шаг 11: Масштабирование до многокадрового режима [21:17] Контроль качества с участием человека [23:18] Перспективы на будущее 🙋 ПОДПИСЫВАЙТЕСЬ НА МЕНЯ LinkedIn:   / florent-poux-point-cloud   Medium:   / florentpoux   #GaussianSplatting #BlenderPython #3DAI #КомпьютерноеЗрение #МашинноеОбучение КТО Я? Если мы еще не слышали — привет 👋 Меня зовут Флоран, я профессор, ставший предпринимателем, и каким-то образом я стал одним из самых популярных экспертов в области 3D-графики. В своих видео на этом канале и статьях я делюсь научно обоснованными стратегиями и инструментами, которые помогут вам стать лучшими программистами и новаторами в 3D-графике.