NAVE
Networked Augmented Virtual Environment (NAVE) Group
Login  |  Help
通知:课程中心已恢复,请访问 http://course.buaa.edu.cn
2019-NVE
  • 2019作业[已学] ppt
  • 1-VR与三维图形基础知识[已学] ppt
  • 2-信息论与视频图像处理基础-1[已学] ppt
  • 3-信息论与视频图像处理基础-2[已学] ppt
  • 4-VR与三维视觉基础[已学] ppt
  • 5-三维视觉基础[已学] ppt 笔迹需WPS打开可见
  • 6-网络基础与通信模型-1-网络基础[已学] ppt
  • 7-网络基础与通信模型-2-通信模型[待学] ppt
  • 8-VR与视频、网络的融合[待学] 暂定报告,无ppt
2014-例会
  • Social-Event-Driven Camera Control for Multi-character Animations[已学] Social-Event-Driven Camera Control for Multi-character Animations/attached/material/file/20150128/20150128093542_55.pdf
  • 2014/12/31 [张景昌] - Intelligent multi-camera video surveillance:A review[已学] 

    这篇论文对智能化的多摄像机视频监控领域做了详细的综述,涵盖的内容包括多相机标定、相机网络的拓扑结构、多摄像机跟踪、目标在识别和多摄像机行为分析等。

           参考论文: Intelligent multi-camera video surveillance: A review(PDF), PRL, 2013

  • 201401224-代码-杨晋-Piecewise Planar and Compact Floorplan Reconstruction from Images[已学] 

    简介:

    主要介绍一篇CVPR2014的论文,通过多张图片生成精简的楼层结构图,首先通过点云信息生成多个分段平面,转化为图模型的最短路径算法生成二维平面结构图,并对图片中的各个像素进行分类,最终进行高质量的纹理贴图。

    论文:/attached/material/file/20141224/20141224162440_374.pdf

  • 2014/11/05 [基础] 汪溁鹤-A Level Set Method for Image Segmentation in the Presence of Intensity Inhomogeneities With Application to MRI.[已学] 

    这篇论文主要论述了医学图像由于机械原因引起的偏移,以及这种偏移的校正,以及校正以后的精确分割。

    参考论文: 

    A Level Set Method for Image Segmentation in the Presence of Intensity Inhomogeneities With Application to MRI,TIP,2011

  • 2014/11/05 [基础] 张景昌-The Way They Move: Tracking Multiple Targets with Similar Appearance[已学] 

    这篇论文主要是关于利用运动信息来区分具有相似外观的多目标跟踪问题。通过Generalized Linear Assignment将轨迹片段连成多条间断的轨迹,然后利用Hankel矩阵低秩近似矩阵保持Hankel矩阵结构的方法来恢复由于遮挡、离开视野范围等造成的跟踪丢失的数据,从而生成目标的完整轨迹。

        参考论文:  The Way They Move: Tracking Multiple Targets with Similar Appearance(PDF), ICCV, 2013

        代码:  bitbucket.org/cdicle/smot

  • 20141025-代码-冯亚男-Example-Based Video Color Grading[已学] 

    本次报告主要介绍基于模型视频对输入视频进行色调分级,从而达到无监督的色调调节。该文提出了量化的曲率值和关键帧,进而利用该特性达到色调映射过程中空间和时间上的一致性。对特殊情况的特殊处理,比如segmentation处理,可以使该方法的处理范围变得很广,并且达到很好的色调映射效果。

    论文及代码:/attached/material/file/20141027/20141027153118_155.zip

  • 20141025-代码-刘浩-基于颜色属性的运动追踪[已学] 

    对胡宇报告内容的延续,基于颜色属性的运动追踪。

    论文及代码:/attached/material/file/20141027/20141027153519_86.zip

    循环矩阵:/attached/material/file/20141027/20141027153546_692.zip

  • 20141022-基础-陈珂-Mesh Saliency & On Computing Best Fly[已学] 

    本次报告主要介绍基于高斯平均曲率计算网格显著性以及利用显著性等信息生成3维模型的自动预览动画。Mesh Saliency一文通过计算网格每个顶点不同范围的高斯平均曲率来模拟感受野的中心—外围拮抗的结构,从而达到模拟视觉上的显著性。On Computing Best Fly一文首先计算相关采样视点的显著性,然后利用TSP模型生成模型预览路径,同时对于相机的移动速度和焦距的改变也加以考虑。

    本次报告参考论文:
       Mesh Saliency(2005)   On Computing Best Fly(2007)
  • 20141018-代码-解佳奇-使用划分兴趣区域的方法重建稠密三维场景[已学] 

    本文介绍了一个通过手持深度相机来恢复3d场景的系统。在该系统中,用户使用消费者级别的深度相机,在真实场景中进行漫游和拍摄,系统根据用户提供的深度图像进行一系列的处理。首先讲深度图转换为3d点云,然后进行兴趣点划分,得到需要详细重建的区域,进而进行相机位置标记和全局优化,最终得到细节清晰的3d场景。

    参考论文:/attached/material/file/20141018/20141018093312_292.pdf

    code: /attached/material/file/20141018/20141018093324_164.zip

  • 20141018-代码-边志毅-动态场景的高动态图像合成算法[已学] 

    本文介绍了一种可应用于动态场景的高动态范围图像合成算法。一般而言,高动态图像合成算法需要对同一场景拍摄不同曝光度的多张图片用 于合成,这就要求每张图片显示内容完全一样,因此只适用于静态场景。而本文介绍了一种算法解决了这一问题,对于场景变化非常大的情况 也可以很好的解决。

    参考论文:/attached/material/file/20141022/20141022194455_968.pdf

    Code: /attached/material/file/20141022/20141022194508_877.zip

  • 20141011-代码-刘岩-通过对原始对象域空间精确和时间稠密的提取进行视频对象分割[已学] 

    主要介绍一篇CVPR2013年的关于视频对象分割的文章,本文的方法基于一篇ECCV2010年文章中介绍的方法得到视频每一帧的object proposals,利用基于运动的预测扩展proposals集,将proposal的选择问题抽象为有向无环图的最长路径问题,得到每一帧的理想object域,最后利用高斯混合模型和MRF优化结果。本次报告着重分析object proposals的选择问题如何抽象为有向无环图的最长路径问题,以及问题的解决方法——动态规划。

    参考论文: /attached/material/file/20141010/20141010203536_25.pdf

    code: /attached/material/file/20141010/20141010203609_884.zip

  • 20141011-代码-周尧-对于小型增强现实工作区的并行跟踪和地图构建[已学] 

    并行跟踪和地图构建系统利用并行处理技术将跟踪和地图绘制分离为两个不同的线程。一个线程用于实时相机跟踪,另一个则根据视频帧生成特征点组成的3D地图。由于地图绘制过程是非实时的,因此,一些耗时的优化技术也能得到应用。从而这个系统生成了一个有着数千个地标的详细地图,同时还可以进行实时相机跟踪。

    参考论文:/attached/material/file/20141010/20141010202330_768.pdf

    code: /attached/material/file/20141011/20141011121634_194.rar

  • 201401008-基础-周颐-利用强化学习方法进行建筑立面的结构分割[已学] 

    简介:

    建筑立面的结构解析(facade parsing)是城市建模里的重要研究内容之一,尤其是近几年在视觉领域异常活跃。该问题的主要目标是对建筑立面进行分割,比如窗子、墙壁、阳台和门等。巴黎中央理工学院的Olivier Teboul 在cvpr11年的文章中把建筑立面看做是一堆特定结构形状的组合,提出使用强化学习的方法进行形状语法的解析。实验表明,该方法在给定的语法集下,通过简单交互,能够对结构进行优化分割。该论文设计到的知识点为Q学习(Q-learning),语法分析。

    http://zh.wikipedia.org/wiki/Q-learning

     本次报告主要介绍Olivier Teboul分别在2011年CVPR会议和2013年PAMI期刊上的文章。

    参考文章:

    cvpr11 Shape Grammar Parsing via Reinforcement Learning

    TPAMI13 Parsing Facades with Shape Grammars and Reinforcement Learning

    相关软件 grapes_light

  • 20140927-代码-杨晋-通过几何推理对单张图片进行结构恢复[已学] 

    这次报告主要介绍一篇CVPR 2009中的一篇论文:从几何推理的方法对单张室内图片进行结构恢复。主要通过对单张图片进行直线提取并分类,并根据几何推理生成物理有效的几何假想结构,最后根据方向图生成最符合直线分割结果的假想结构,从而恢复图片对应场景的3D结构。本次报告着重分析了论文中生成方向图(orientation map)的核心算法。

    参考论文:/attached/material/file/20141002/20141002200925_273.pdf

    PPT: /attached/material/file/20141002/20141002201339_701.pptx

    code: /attached/material/file/20141002/20141002201449_68.zip

  • 20140924-基础-胡宇-利用稠密采样的循环特性,简化SVM分类器复杂度[已学] 

    在视频跟踪中,使用在线学习的SVM分类器对跟踪目标附近采样进行判别可以提高准确度,但是利用稠密采样中的采样窗口的平移特性,可以将核矩阵变成一个循环矩阵,然后利用其可以快速计算的优势,从而加速了采样判别学习的速度。

    参考文章:/attached/material/file/20140929/20140929152559_549.pdf  其中有核心思想

    作者的PRAMI期刊文章:/attached/material/file/20140929/20140929152916_445.pdf 这里将方法精炼了

  • 20140917-基础-石峰-伍朝晖-低秩矩阵分解-火焰重建Paper[已学] 

    低秩矩阵分解 简介:低秩矩阵分解在计算机视觉领域具有非常重要的地位。这次报告我首先简要介绍为什么会存在低秩矩阵这种现象,以及为何要对其进行分解。接下来我主要对三种低秩矩阵分解算法依次进行介绍:交替最小二乘法,Wiberg算法和列空间匹配法。

    本次报告主要涉及两篇文章:On the Wiberg algorithm for matrix factorization in the presence of missing components(PDF), 2006, IJCV; Computing smooth time-trajectories for camera and deformable shape in structure from motion with occlusion(PDF), 2011, TPAMI.

    PPT: 低秩矩阵分解.pptx

2013-HCI
  • 人机交互考试说明:[已学] 

    考试时间: 1月8号 18:00-21:00 

    地点:  4号教学楼315(上课地点)

    请大家随时关注我们的网站,如果有任何变动,我们会在网站上及时通知。

  • 人机交互大作业的评分说明[已学] docx
  • 最后一次课PPT中的考试说明[已学] pdf
  • 大作业报告和提交说明[已学] 

    请大家在10.14之前将分组情况报给给张景昌同学,并注明组长。

    确定后及时提交,以便张景昌按类别排顺序。每次课安排一位主持人,欢迎报名。

    张景昌邮箱:1076979686@qq.com

    20131106 发布:最终分组和FTP提交等说明:ppt

    20131129 发布:HCI大作业的要求:ppt

  • 1-Overview[已学] pdf
  • 2-HumanFactors[已学] pdf
  • 3-InterativeDesignProcess[已学] pdf,  homework assignment stage1 ppt1: assignments  ppt2:intro to the animation website, after course reading: d.norman 
  • 4-DesignPrincipals[已学] pdf
  • 5-Prototyping[已学] pdf out-course reading material: end-user programmingprototypeTools
  • 6-Devices[已学] pdf
  • 7-InteractionTechnique[已学] pdf
  • 8-UIdesign[已学] pdf
  • 9-WebUIdesign[已学] pdf
  • 10-mobileUIdesign[已学] pdf, 2013version pdf. supplementary reading: webview
  • 11-usability&user study[已学] pdf, Common Industry Format for Usability Test Reports format: pdf
  • 12-调课通知[已学] 20131119发布:第13周课程(12.4日)课程不上了,调到第14周两次课一起上,即12.11日连续上4节讨论课。请有关同学提前做好准备。
2013-NVE
  • 1-overview-Sept-9-2013[已学] pdf
  • 2-basicNetworkPrograming-20130916[已学] pdf
  • 3-CommunicationModel[已学] pdf
  • 4-DynamicSharingState[已学] pdf after course reading EPADR and talk preparation for the 7th lecture: NVE-7-ARC-ISO-nwip-2012-2013.zipfeedback
  • 5-SystemDesign[已学] pdf
  • 6-InternationalStandardInNVE[已学] pdf
  • 7-state-of-the-art-InternationalStandardDrafts[已学] 3-4 student list: Feng Yanan (manager), Yang Jin, Liu Yan, Zhang Shilei
  • 8-framework&Optimization[已学] pdf
  • 9-HLA/RTI development (For reference, no introduced in course)[已学] pdf
  • 10-interestFiltering[已学] pdf paper reading: 2006-multicast2009-LoI
  • 12-enhanceSystemArchitecture[已学] pdf Paper reading: game server overviewload balancebigworld tutorial
  • 13-timeConsistency&reliability[已学] pdf reading: initial draft
  • homework[已学] 

    20131106发布:ppt 请注意分组和时间

    20131119发布:请注意第13周课程调到本周六上午3、4节(11.23日上午10-12点),地点主南304

    20131209发布:作业列表pdf

2013-DVE
  • 1-Overview[已学] pdf
  • 2-howtoDesign[已学] pdf
  • 3-FundamentalKnowledge[已学] pdf
  • 4-VRhardware&software[已学] pdf
  • 5-dynamicSharingForVE[已学] pdf
  • 6-7-augmentedVR[已学] pdf
  • 8-newTech[已学] pdf
  • homework[已学] 

    20131113更新:ppt,最后一次课定于11.16日(周六)下午2-4点,地点新主楼F203

    20131110更新:ppt 通知:最后一次课定于11.16日(周六)下午2-4点,地点待申请定,请各位同学相互转告、按时参加。课上还将请同学们做5分钟的调研介绍。

    关于最终作业:请11月30日之前提交电子版和一份ppt打印版(注明姓名学号)到新主楼G711 周颐  
    email: zhouyi@vrlab.buaa.edu.cn Phn: 82338760

页脚
 

Networked Augmented Virtual Environment (NAVE) research group

State Key Lab of Virtual Reality Technologies and Systems, Beihang Univ.

National Engineering Laboratory for Virtual Reality and Augmented Reality (NELVRAR)

P.O.Box 6863, Beihang Univ. 

Email: zz@buaa.edu.cn