計算攝像學-成像模型理論與深度學習實踐 施柏鑫 9787111748847 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：機械工業
物品所在地：中國大陸
原出版社：機械工業
NT$1,075
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為正確資訊。 印行年月：202406*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：計算攝像學-成像模型理論與深度學習實踐 ISBN：9787111748847 出版社：機械工業 著編譯者：施柏鑫 叢書名：人工智慧技術叢書 頁數：419 所在地：中國大陸 *此為代購商品 書號：1642384 可大量預訂，請先連絡。 內容簡介 本書以圖像的物理形成過程和相機獲取數字圖像的原理為支撐，介紹計算攝像學中的基本問題、模型、理論及其用傳統最優化、信號處理方法的解決方案。結合各問題近些年隨著深度學習技術的發展帶來的全新進展，介紹深度學習和計算攝像問題的結合與應用。深度學習作為目前視覺計算領域最熱門的技術之一，在高層計算機視覺的目標檢測、識別、分類等問題上帶來了傳統方法無法企及的性能突破。深度學習技術在計算攝像學中也正在發揮廣泛而積極的作用。通過適當的方法，將傳統計算攝像學在光學特性、物理過程和成像模型等方面的先驗、約束與數據驅動方法強大的學習、建模能力進行優勢互補，可以為眾多計算攝像難題的求解提供全新的思路和手段。作者簡介 施柏鑫 北京大學計算機學院多媒體信息處理全國重點實驗室、視頻與視覺技術國家工程研究中心研究員（長聘副教授）、博士生導師（博雅青年學者）；北京智源人工智慧研究院青年科學家。2013年博士畢業於日本東京大學，曾先後在美國麻省理工學院媒體實驗室、新加坡科技設計大學、新加坡南洋理工大學、日本國立產業技術綜合研究所從事研究工作。研究方向為計算攝像學與計算機視覺，截至2024年2月共發表論文200餘篇（包括TPAMI論文23篇，計算機視覺三大頂級會議論文82篇）。2015年獲得國際計算攝像會議（ICCP）最佳論文提名、國際計算機視覺會議（ICCV）最佳論文候選，2021年獲得日本大川研究助成獎。科技創新2030——「新一代人工智慧」重大項目首席科學家，國家自然科學基金重點項目負責人，國家級青年人才項目入選者。擔任計算機視覺國際頂級期刊TPAMI、IJCV編委，頂級會議CVPR、ICCV、ECCV領域主席，IEEE、CCF、CSIG高級會員，APSIPA傑出講者。目錄 前言第1章 計算攝像學概述 1 1 計算攝像學研究範疇 1 1 1 研究背景 1 1 2 研究內容 1 2 計算攝像學相關課程 1 3 計算攝像學相關教材 本章參考文獻 第2章 數字攝像原理 2 1 圖像感測器的基本原理 2 2 色彩形成的基本原理 2 3 相機內部圖像處理流程 2 3 1 白平衡 2 3 2 去馬賽克 2 3 3 去噪 2 3 4 色調再現 2 3 5 感測器原始圖像格式 2 4 深度學習建模相機內部流程 2 4 1 應用於圖像增強 2 4 2 應用於圖像處理流程建模 2 5 本章小結 2 6 本章課程實踐 本章參考文獻 第3章 相機幾何模型 3 1 針孔相機模型 3 2 透視投影與相機矩陣 3 2 1 相機內參矩陣 3 2 2 相機外參矩陣 3 2 3 透視投影現象與應用 3 2 4 特殊相機模型 3 3 相機幾何標定 3 3 1 三維對應點標定法 3 3 2 多圖棋盤格標定法 3 3 3 徑向畸變標定法 3 4 利用深度學習的相機幾何標定 3 4 1 直接回歸相機焦距法 3 4 2 地平線輔助標定法 3 4 3 垂直消失點輔助標定法 3 4 4 徑向畸變下的標定問題 3 4 5 利用特殊場景進行標定 3 5 本章小結 3 6 本章課程實踐 本章參考文獻 第4章 鏡頭與曝光 4 1 理想透鏡與真實透鏡 4 2 光圈與景深 4 3 視場與鏡頭選用 4 4 曝光控制 4 5 虛擬大光圈攝像 4 5 1 虛擬大光圈效果渲染方法 4 5 2 利用深度學習的實現方法 4 6 無鏡頭成像 4 6 1 相機構造 4 6 2 圖像重建演算法 4 7 本章小結 4 8 本章課程實踐 本章參考文獻 第5章 焦點堆棧與光場攝像 5 1 焦點堆棧 5 1 1 基本概念 5 1 2 拍攝與合併 5 1 3 對焦與離焦的深度測量 5 2 光場 5 2 1 基本概念 5 2 2 表示方法 5 2 3 拍攝方法 5 2 4 可視化與應用 5 3 自動對焦 5 3 1 主動對焦 5 3 2 反差對焦 5 3 3 相位對焦 5 4 利用深度學習表示光場 5 4 1 經典光場表示 5 4 2 基於神經輻射場的方法 5 5 本章小結 5 6 本章課程實踐 本章參考文獻 第6章 光度成像模型 6 1 相機輻射響應及其標定 6 1 1 相機響應函數 6 1 2 相機輻射響應標定 6 2 光度成像模型的三個基本要素 6 2 1 表面法線 6 2 2 反射率模型 6 2 3 光源模型 6 3 從明暗恢復形狀 6 4 利用深度學習估計環境光照 6 4 1 參數化模型估計室外光照 6 4 2 自編碼器估計室外光照 6 4 3 非參數化全局一致室內光照 6 4 4 參數化的局部可變室內光照 6 5 本章小結 6 6 本章課程實踐 本章參考文獻 第7章 光度立體視覺 7 1 經典方法 7 1 1 相關基本概念 7 1 2 基於最小二乘法優化的解法 7 2 泛化方法 7 2 1 應對非理想的反射率 7 2 2 應對非標定情況的解法 7 2 3 基準評測數據集 7 3 光度立體視覺的深度學習解法 7 3 1光源方向固定的方法/1797 3 2應對任意方向光源的方法 7 3 3 應對光源方向未標定的方法 7 3 4 應對光源方向稀疏的方法 7 3 5 利用其他約束的方法 7 4 本章小結 7 5 本章課程實踐 本章參考文獻 第8章 高動態範圍成像 8 1 動態範圍的定義 8 2 多次曝光融合的經典方法 8 3 高動態範圍圖像的存儲 8 4 高動態範圍顯示與色調映射 8 4 1 色調映射方法 8 4 2 關於色調映射的一些討論 8 5 利用深度學習擴展動態範圍 8 5 1 單張圖像逆向色調映射 8 5 2 多圖交替曝光的方法 8 6 用非傳統感測器擴展動態範圍 8 6 1 基於餘數相機的方法 8 6 2 融合神經形態相機的方法 8 7 本章小結 8 8 本章課程實踐 本章參考文獻 第9章 超解析度 9 1 基於子像素位移的多幀方法 9 1 1 圖像退化模型 9 1 2 優化求解高解析度圖像 9 2 通過改進感測器構造的方法 9 2 1 利用相機抖動 9 2 2 利用非周期重複像素布局 9 2 3 利用非對稱子像素分佈 9 3 基於信號處理的單幀方法 9 3 1 基於圖像塊重複性的方法 9 3 2 基於梯度銳化變換的方法 9 4 利用深度學習的方法 9 4 1 基於卷積神經網路的方法 9 4 2 基於生成對抗網路的方法 9 4 3 基於無監督學習的方法 9 5 本章小結 9 6 本章課程實踐 本章參考文獻 第10章 去模糊 10 1 基於傳統攝像的方法 10 1 1 應對鏡頭缺陷帶來的模糊 10 1 2 應對相機抖動帶來的模糊 10 2 基於計算攝像的方法 10 2 1 應對景深限制帶來的模糊 10 2 2 應對場景運動帶來的模糊 10 3 基於深度學習的去模糊 10 3 1 卷積核估計 10 3 2 端到端生成 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
