Выполнила: Большова Елизавета Александровна
Этот репозиторий содержит выполненные домашние задания в рамках учебного курса "Трехмерные модели". Работы посвящены различным аспектам 3D-моделирования, обработки облаков точек, мешей и рендеринга.
Для удобства навигации каждая работа находится в своей директории. Ниже представлена таблица с описанием тем и ссылками для быстрого перехода.
| Задание | Тема | Ссылка на папку |
|---|---|---|
| Практика 1 (Task_2) | Building a complex scene from clouds of dots | Task_2 |
| Практика 2 (Task_4) | RandLA-Net segmentation on SemanticPOSS | Task_4 |
| Практика 3 (Task_6) | Point cloud restoration and filtering analysis | Task_6 |
| Практика 4 (Task_8) | 3D primitives classification with SVM and FPFH | Task_8 |
| Практика 5 (Task_10) | Global and local registration of 3D objects | Task_10 |
| Практика 6 (Task_12) | Segmentation analysis (DBSCAN, RANSAC, Patches, AlphaShapes) | Task_12 |
| Практика 7 (Task_14) | 3D reconstruction "Baby Yoda" | Task_14 |
| Практика 8 (Task_16) | MMDetection3D setup (KITTI, nuScenes) | Task_16 |
| Практика 9 (Task_18) | PointNet implementation for ModelNet10 classification | Task_18 |
| Практика 10 (Task_20) | 3D Detection with PointNet and PointPillars | Task_20 |
| Практика 11 (Task_22) | Full training RandLA-Net on POSS (Loss 0.29) | Task_22 |
| Практика 12 (Task_24) | NeRF reconstruction with Yoda and Logo datasets | Task_24 |
| Практика 13 (Task_26) | LeRF implementation on Lego dataset with OpenCLIP and PCA visualization | Task_26 |
| Практика 14 (Task_28) | 3D Multi-Object Tracking with Kalman Filter and Box IoU | Task_28 |
| Практика 15 (Task_30) | Pose-conditioned Monocular Depth Estimation using Depth Anything 3 and Pycolmap | Task_30 |
Каждая практика организована в отдельной папке (Task_X) и имеет следующую структуру:
README.md— описание задачи, теоретическая справка и выводы по конкретной работе.Task_X.ipynb— основной файл с кодом (JupyterColab).results/— папка, содержащая результаты работы (рендеры, скриншоты, сохраненные модели).
Техническое примечание:
Для корректного отображения ноутбуков в интерфейсе GitHub, тяжелые выходные данные (интерактивные 3D-плоттеры) могут быть очищены или заменены на статические скриншоты в папке results.