J.Spin

설치 $ sudo apt-get update $ sudo apt-get install colmap $ sudo apt install meshlab 상단탭 > Reconstruction > Automatic reconstruction Workspace folder : result를 저장할 위치 Image folder : input image들이 담긴 폴더 위치 실험 결과 File > export model as... .ply 로 저장하면 meshlab에서 열어볼 수 있다. 출처 : https://www.youtube.com/watch?v=o-JJ2-iSWhw

Detection을 주로 연구하다가 3D 쪽에 관심을 갖게 되어 NeRF라는 방법(이제는 자체가 분야가 된..)을 접하게 되었고, 흥미가 생겨 관련하여 연구중에 있습니다. 이번 글에서는 NeRF를 처음 제안한 논문을 소개하고, 이 분야 해당 기술의 동향과 관련 논문을 쭉쭉 소개하고자 합니다. 1. Intro 3D 게임, AR/VR 등 다양한 분야의 컨텐츠가 생겨나면서, 우리 주변의 실제 물체를 3D Object화(렌더링) 하여 컨텐츠에 적용시키는 방식은 다양한 분야에서 더욱 많이 쓰이고 있습니다. 기존에는 직접 비싼 3D Scanner를 사용하여 실제 물체를 렌더링 시키거나, Photogrammetry 방법을 통해 이미지로부터 Voxel이나 Point Cloud, Mesh 형태의 3D Object를 얻어..

cocodataset pip3 install "git+https://github.com/philferriere/cocoapi.git#egg=pycocotools&subdirectory=PythonAPI"

Python Code 내에서 지정 torch.cuda.set_device(1) # 1번 GPU 사용 Python 코드 실행 시 지정 CUDA_VISIBLE_DEVICES=2,3 python my_script.py # 2, 3번 GPU 사용

안녕하세요 :) 최근 논문 리뷰를 소홀히 하다가 흥미로운 분야를 연구하는 중 정리도 할 겸 분야를 소개해드리고자 합니다. 기존 Object Detection 분야가 2차원에서 bounding box (Anchor)로 물체를 감지하는 것과 달리 3D Object Detection은 물체의 위치, 크기, 방향 등을 비교적 정확히 알 수 있어 자율주행 자동차, 로봇 청소기, AR, VR 등 다양한 분야에 쓰이는 중요한 컴퓨터 비전 기술입니다. 최근 몇 년간 학회에 accept 되는 Object Detection 논문이 줄어들고, 3D Object Detection 논문이 늘어나면서 많은 Object Detection 연구자들이 3D Object Detection으로 거취를 옮기기도 합니다. 대표적으로 3D O..

COCO Dataset https://cocodataset.org/ instances_minival2014.json https://dl.dropboxusercontent.com/s/o43o90bna78omob/instances_minival2014.json.zip?dl=0 instances_valminusminival.json https://dl.dropboxusercontent.com/s/s3tw5zcg7395368/instances_valminusminival2014.json.zip?dl=0 혹은 http://datasets.d2.mpi-inf.mpg.de/hosang17cvpr/coco_minival2014.tar.gz COCO API def __init__ # coco 불러오기 및 Annotati..

- www.image-net.org/synset?wnid=n02133161 ImageNet Tree View www.image-net.org > 링크 파일 저장 (txt 파일로 이미지의 url이 나열된 파일) $ wget -i [filename].txt

Pytorch Tensor 자료형을 .npy 로 저장하고, 불러오고, Tensor로 다시 변형하는 아래 과정을 모두 알아보자. Tensor -> numpy array -> np.save() -> .npy 파일 -> np.load() -> numpy array -> Tensor - Tensor를 numpy로 변형 # (3, 50, 50) 크기의 랜덤으로 초기화된 텐서 배열을 생성 a = torch.randn(3, 50, 50) ## a == torch.Size([3, 50, 50]) # Tensor -> numpy a_np = a.numpy() - 여기서 Tensor의 device type이 'cuda'라면 'cpu'로 바꿔주는 과정이 필요하다 b = torch.randn(3, 50, 50).to('cud..