Есть вопросы по курсу?

напишите нам в Telegram, ответим на все вопросы

Телеграм-канал Deep School

Откройте новое измерение

Старт 8 октября

3D CV

Телеграм-канал DS

Меню

Расскажем, какие задачи есть в 3D CV и научим их решать на практике

Ускорение нейросетей

3D CV

Gen CV

СV Rocket

Мок-интервью

LLM

Курс для тех, кто уже работает в индустрии и хочет

Расширить инструментарий

Сменить род деятельности

Поднять скиллы

Перенять опыт

Добавить третье измерение в решение рабочих задач

Перейти в новую активно развивающуюся область с интересными задачами

Освоить новые концепции, инструменты и подходы для решения задач

Выстроить новые знакомства с экспертами из индустрии и науки

Строить 3D-карты для роботов, решать задачи 3D-детекции/сегментации/классификации с помощью нейросетей

Работать с лидарными данными

Чему вы научитесь

Работать с трёхмерными данными и алгоритмами

Создавать цифровые аватары людей

Разобраться, как устроены параметрические модели человека, нейрорендеринг и анимация

Разобраться во всей необходимой теории по математике и закрепить её на практике

Поймёте математику, стоящую за алгоритмами

Создавать 3D-модели по 2D-фото

Восстанавливать трёхмерный объект или целую сцену по набору входных фотографий или видео

Как именно вы освоите каждый навык

Онлайн-лекции, где можно задавать вопросы, обсуждать сложные кейсы и дискутировать. В конце — анонимный тест для закрепления материала

Изучите теорию на zoom-лекции

После каждой лекции — домашнее задание для закрепления материала

Сделаете практическое задание

Каждое домашнее задание проверит лектор и даст исчерпывающий фидбэк

Получите разбор домашнего задания

Обсуждайте домашние задания, рабочие задачи или просто общайтесь. Кураторы курса всегда помогут решить проблемы и поделятся советом

Если возникнут трудности, мы оперативно поможем в чате

Раз в 4−5 недель спикеры и кураторы собираются в zoom, чтобы ответить на ваши вопросы, помочь с практикой, обсудить текущие задачи

Или приходите на онлайн-встречи с кураторами, чтобы обсудить вопрос голосом

1.

2.

3.

4.

5.

Программа

Программа рассчитана на 16 недель, ей нужно будет посвящать в среднем 8 часов в неделю

16

недель

13

лекций

8

часов в неделю

1. Введение

Вводная лекция курса 3D Computer Vision. На ней мы обсудим, какие задачи должен решать 3D CV инженер, с какими данными он работает, как их собирает и хранит

Темы лекции:

Какие задачи решают в 3D CV

Форматы представления и хранения 3D данных. Воксели, облака точек и меши — чем отличаются и какими инструментами обрабатывать

Какие существуют сенсоры: камеры, лидар, радар, кинект

Административная часть. Знакомим с курсом

2. Модель камеры. Калибровка

Для построения 3D сцены часто используют обычные rgb-камеры. Но перед использованием их обязательно надо откалибровать. На этой лекции вы узнаете, как это происходит

Темы лекции:

Проективная геометрия

Модель камеры

Какие параметры есть у камеры и чем внутренние отличаются от внешних

Как откалибровать вашу камеру, чтобы настроить внутренние параметры и коэффициенты дисторсии

Гомография

На практике: научитесь производить калибровку камеры на примере исправления снимков с fisheye эффектом

3. Сопоставление снимков с разных ракурсов

На этом занятии вы научитесь находить общие точки на разных изображениях. Это понадобится для триангуляции 3D точек с разных ракурсов

Темы лекции:

Что такое ключевые точки изображения и зачем они нужны

Как сравнить две точки с помощью дескрипторов и какие к ним предъявляются требования

Разбор построения векторов для точек на примере подробного разбора SIFT дескрипторов

Современный DeepLearning подход к сопоставлению ключевых точек (SuperPoint, SiLK, SuperGlue, LoFTR)

На практике: реализуете программу для склейки панорамы из нескольких снимков, используя SuperPoint. Это поможет вам лучше разобраться в работе с ключевыми точками

4. SLAM&SfM. Введение

Вы узнаете, как и зачем ставятся задачи SLAM и SfM. Научитесь, как находить перемещения камеры по снимкам и восстанавливать 3D сцену. Получите необходимый математический аппарат для работы с 3D точками и перемещениями

Темы лекции:

Эпиполярная геометрия, Multiple View Geometry

Описание движения, SO(3) и SE(3) группы

Алгоритмы 5-pt и PnP

Триангуляция

Bundle Adjustment

На практике: попробуете применить алгоритмы PnP и 5-pt для нахождения перемещения камеры и построить простейшую 3D сцену

5. SLAM&SfM. Основные алгоритмы

Вы узнаете, как в реальной жизни ставятся и решаются задачи SLAM и SfM, какие трудности возникают и как работают самые популярные алгоритмы

Темы лекции:

Трудности при решении задач в реальных условиях

Как работает ORB-SLAM

Как работает COLMAP

На практике: попробуете запустить ORB-SLAM и COLMAP на собственных данных

6. Глубокое обучение на облаках точек. Детекция

После того, как мы научили наш гипотетический беспилотный автомобиль захватывать 3D пространство вокруг себя, нам нужно научить его отличать деревья от дорожных знаков. На этом занятии мы разберём, как, имея облако точек, решать задачи детектирования в 3D

Темы лекции:

Как решать задачу детекции в 3D

Как можно представить входные данные

Архитектуры детекции для различных представлений данных

На практике: обучите свою первую нейронную сеть для работы с детектированием 3D данных

7. Глубокое обучение на облаках точек. Сегментация

Продолжим разбираться в глубоком обучении на облаках точек, в этот раз затронем сегментацию

Темы лекции:

Решение сегментации в 3D

Архитектуры нейронных сетей для работы с ними

На практике: обучите нейронную сеть для работы с сегментацией 3D данных

8. Параметрические модели людей

Лекция посвящена параметрическим моделям в общем и людей в частности. На занятии вы научитесь работать с технологией, которая позволяет анимировать реалистичные 3D модели на базе NeRF

Темы лекции:

Постановку задачи и область применения

Разбор параметрических моделей на примере человека: SMPL, FLAME, SMPL-X

Получение параметрических моделей

Подстройка параметрической модели под снимок конкретного человека

На практике: научитесь получать параметрическую модель тела по снимку человека на примере своей фотографии

9. Blender как инструмент аугментации 3D данных

Зачастую, сложно получить данные в желаемом объёме и там где в 2D CV их легко можно аугментировать в 3D CV возникают проблемы. На этом занятии мы рассмотрим как изящно выйти из этой ситуации с помощью Blender

Темы лекции:

Базовые основы моделирования и текстурирования в Blender

Аугментация данных с помощью встроенного в Blender интерпретатора Python

На практике: произведёте аугментацию 3D скана человека с различным освещением и положением камеры для обучения аватара для метавёрса

10. Рендеринг: от классического до дифференцируемого

Трёхмерная графика развивалась на протяжение десятилетий пока нейронные сети делали неуверенные первые шаги. Чтобы извлечь максимум из этого развития, мы проведём занятие на стыке классической 3D графики и нейронных сетей

Темы лекции:

Вспомним, как работает трёхмерный рендеринг в графике. Разберёмся как накладывается текстура

Мотивация к существованию дифференцируемого рендеринга. Решаемые задачи

Реализация пробрасывания градиентов через рендеринг

Решение наиболее популярных задач с дифференцируемым рендеренгом

На практике: научитесь работать с нейронными текстурами, завтрашним днём реалистичности в компьютерных играх, на примере Deferred Neural Rendering

11. Неявные представления (NeRF)

На этом занятии мы подробно рассмотрим, что такое NeRF и какие задачи он помогает решать

Темы лекции:

Инструменты для работы с NeRF и его обучения. Как восстанавливать 3D по меньшему числу снимков (PixelNeRF, RegNeRF)

Как работать со снимками с разным масштабом и движущимся объектом (Mip-NeRF, NeRF-W)

Как обучать NeRF за секунды и инференсить на телефонах (3D Gaussian Splatting, MobileNeRF)

На практике: разберётесь с fourier features в NeRF и восстановите геометрию с помощью SDF по видео

12. Gaussian Splatting

Несмотря на все преимущества подходов с неявной геометрией, они имеют и ряд проблем над которыми активно бьются лучшие умы в 3D CV. На этом занятии мы рассмотрим, что это за проблемы и какие решения существуют на текущий момент

Темы лекции:

Предшествующие статьи и мотивация к созданию

Математика Gaussian splatting’a

Как сплаттинг объединяет явные и неявные представления

На практике: научитесь работать с инструментом Nerfstudio и обучите нейронную сеть для фотореалистичного рендеринга

13. Практические применения рендеринга

На этом занятии вы узнаете, какие ещё задачи помогает решать редеринг

Темы лекции:

Восстановление геометрии из Gaussian splatting'а: Sugar и 2DGS

Как можно анимировать неявные представления

Как Gaussian Splatting и NeRF применяют в Метавёрс для создания аватаров

На практике: сгенерируете анимированного аватара

Кто будет преподавать

Опытные инженеры. Каждый расскажет про задачу, с которой несколько лет работал в коммерческих проектах

PAVIS IIT

Давид Свитов

Cоздает 3D аватаров по видео. Расскажет о продвинутом NeRF и работе с Blender

Ренат Баширов

Тимлид в команде цифровых аватаров. Научит работать с параметрическими моделями людей

Samsung AI Center

НИИАС, CV Engineer

Дмитрий Раков

Работает над беспилотными поездами. Расскажет о трансформерах

Expasoft, CV Engineer

Дмитрий Чудаков

Оптимизирует сети для быстрой работы на Edge устройствах. Научит ускорять сети

Игорь Ильин

Разрабатывает SLAM Алгоритмы. Расскажет о классическом компьютерном зрении

Kudan SLAM, CV Engineer

AIT Lab

Артур Григорьев

Занимается созданием фотореалистичных аватаров и симуляцией одежды

CompVis group LMU

Ольга Гребенькова

Разрабатывает алгоритмы применения генеративных моделей к 3D данным. Расскажет об ускорении диффузионных моделей и видео диффузии

Kudan SLAM, CV Engineer

Игорь Ильин

Разрабатывает SLAM Алгоритмы. Расскажет о классическом компьютерном зрении

Expasoft, CV Engineer

Дмитрий Чудаков

Оптимизирует сети для быстрой работы на Edge устройствах. Научит ускорять сети

НИИАС, CV Engineer

Дмитрий Раков

Работает над беспилотными поездами. Расскажет о трансформерах

CompVis group LMU

Ольга Гребенькова

Разрабатывает алгоритмы применения генеративных моделей к 3D данным. Расскажет об ускорении диффузионных моделей и видео диффузии

PAVIS IIT

Давид Свитов

Cоздает 3D аватаров по видео. Расскажет о продвинутом NeRF и работе с Blender

Ренат Баширов

Тимлид в команде цифровых аватаров. Научит работать с параметрическими моделями людей

Samsung AI Center

AIT Lab

Артур Григорьев

Занимается созданием фотореалистичных аватаров и симуляцией одежды

Ориентация роботов в пространстве

Выберите тариф обучения

Оплатить

Оплатить в рассрочку

75 000 ₽

от 7 045 ₽/мес

Начало курса 8 октября

6 практических занятий

Проверка заданий от спикеров

Семинары со спикерами

Поддержка в чате

Полный

Оплатить

Оплатить в рассрочку

120 000 ₽

от 11 270 ₽/мес

12 практических занятий

Проверка заданий от спикеров

Семинары со спикерами

Поддержка в чате

Скидки не распространяются на юридических лиц

6 лекций по SLAM, SfM и облакам точек

12 лекций с полным погружением в 3D CV

*при рассрочке на 12 месяцев

Цифровые аватары и рендеринг

Оплатить

Оплатить в рассрочку

75 000 ₽

от 7 045 ₽/мес

6 практических занятий

Проверка заданий от спикеров

Семинары со спикерами

Поддержка в чате

6 лекций по 3D-аватарам и трёхмерной реконструкции

*при рассрочке на 12 месяцев

Список лекций:
- Модель камеры. Калибровка
- Сопоставление снимков с разных ракурсов
- SLAM&SfM. Введение
- SLAM&SfM. Основные алгоритмы
- Глубокое обучение на облаках точек. Детекция
- Глубокое обучение на облаках точек. Сегментация

Список лекций:
- Параметрические модели людей
- Blender для аугментации 3D данных
- Рендеринг: от классического до дифференцируемого
- Неявные представления. NeRF
- Gaussian splatting
- Практические применения редеринга

Список лекций:
- Модель камеры. Калибровка
- Сопоставление снимков с разных ракурсов
- SLAM&SfM. Введение
- SLAM&SfM. Основные алгоритмы
- Глубокое обучение на облаках точек. Детекция
- Глубокое обучение на облаках точек. Сегментация
- Параметрические модели людей
- Blender для аугментации 3D данных
- Рендеринг: от классического до дифференцируемого
- Неявные представления. NeRF
- Gaussian splatting
- Практические применения редеринга

Что говорят наши выпускники

Истории про курс глазами тех, кто его успешно прошел

Арсений Рылов

«Отличные преподаватели, темы и домашние задания. Понравилась обратная связь, готовность помогать»

Дмитрий Клестов

«Курс максимально полезный лично для меня, систематизирует знания, не оставляет пробелов»

Илья Контаев

«Благодаря курсу получилось узнать про новые области CV, с которыми не сталкивался до этого. Если будут новые…»

Читать отзыв полностью

«Курс ответил на многие интересующие вопросы уже на первом уроке. Мне понравилось как все организовано»

Назгуль

«Совершенно точно повысил свою компетентность в CV, более того курс дал дополнительный импульс»

Егор Осинкин

Читать отзыв полностью

FAQs

Когда проходят лекции и семинары?

Лекции проходят по будням в 19:00 МСК и длятся от 90 до 120 минут. Онлайн-семинары проходят после каждой 4-й лекции

Смогу ли я оформить налоговый вычет?

Да, вы сможете оформить налоговый вычет за обучение, если вы являетесь налоговым резидентом России и оплачиваете подоходный налог. Подать документы на вычет можно в году, следующем за годом оплаты обучения. Подробнее о налоговом вычете за обучение можно прочитать на сайте ФНС

Может ли моя компания оплатить курс?

Моя компания может оплатить курс?

Да, мы подготовим счёт на полную или частичную оплату для юридического лица. Напишите на hello@deepschool.ru

На сколько часов рассчитана программа?

На сколько
часов рассчитана программа?

18 астрономических часов на лекции и ~50 часов практики или примерно 8 часов в неделю, что позволяет комфортно встроить обучение в рабочий график

Что я должен знать, чтобы начать обучение?

Основы Deep Learning и Computer Vision. Мы предполагаем, что вы уже знаете теорию нейросетей и решали задачи из области компьютерного зрения. Если вы сомневаетесь, подходит ли курс именно вам, напишите нам в телеграм Спросить в ТГ