📕 Трехмерное глубокое обучение на Python [2023] Ма, Хегде, Йольан Эта книга дает полное представление о современном трехмерном глубоком обучении и помогает разработчикам в области компьютерного зрения применить свои знания на практике. Вы научитесь: ▪️ разрабатывать модели трехмерного компьютерного зрения для взаимодействия с окружающей средой; ▪️ обрабатывать 3D-данные с использованием облаков точек, полигональных сеток, применяя файлы форматов PLY и OBJ; ▪️ работать с 3D-геометрией, моделями камеры, системами координат и конвертировать данные из одной в другую; ▪️ с легкостью разбираться в понятиях отрисовки, затенения и т. д.; ▪️ реализовывать дифференцируемую отрисовку во многих моделях трехмерного глубокого обучения; ▪️ применять современные модели трехмерного глубокого обучения, такие как NeRF, SynSin, Mesh R-CNN. Издание предназначено для специалистов по анализу данных, инженеров машинного и глубокого обучения, которые хотят хорошо разбираться в методах компьютерного зрения с использованием 3D-данных. 📒 3D Deep Learning with Python [2022] Xudong Ma, Vishakh Hegde, Lilit Yolyan With this hands-on guide to 3D deep learning, developers working with 3D computer vision will be able to put their knowledge to work and get up and running in no time. Complete with step-by-step explanations of essential concepts and practical examples, this book lets you explore and gain a thorough understanding of state-of-the-art 3D deep learning. You'll see how to use PyTorch3D for basic 3D mesh and point cloud data processing, including loading and saving ply and obj files, projecting 3D points into camera coordination using perspective camera models or orthographic camera models, rendering point clouds and meshes to images, and much more. As you implement some of the latest 3D deep learning algorithms, such as differential rendering, Nerf, synsin, and mesh RCNN, you'll realize how coding for these deep learning models becomes easier using the PyTorch3D library.