카메라 왜곡을 보정하기 위해 사용하는 모델 중 하나로 스피리컬 모델(Spherical Model)이 있습니다. 이 모델은 주로 피쉬아이 렌즈(Fisheye Lens) 같은 넓은 화각을 가진 렌즈에서 발생하는 왜곡을 보정하는 데 사용됩니다. 스피리컬 모델을 이해하기 위해 기본적인 카메라 왜곡과 보정 방법을 먼저 설명한 후, 스피리컬 모델에 대해 자세히 다루겠습니다.카메라 왜곡 (Camera Distortion)카메라 왜곡은 렌즈가 이미지에 비정상적인 변형을 가하는 현상입니다. 대표적으로 라디얼 왜곡(Radial Distortion)과 탄젠셜 왜곡(Tangential Distortion)이 있습니다.라디얼 왜곡: 이미지의 중심으로부터 거리가 멀어질수록 선들이 휘어지는 현상입니다.배럴 왜곡(Barrel Dis..

SummaryWriter.add_scalar는 TensorBoard에 수치형 데이터를 기록하는 데 사용되는 함수add_scalar(tag, scalar_value, global_step=None, walltime=None)매개변수 설명tag (str): 기록할 값의 이름. TensorBoard에서 그래프의 축 제목scalar_value (float): 기록할 수치형 값global_step (int, 선택 사항): 이 값을 통해 특정 시점(global step)을 지정할 수 있음. 일반적으로 epoch or batch index 사용. 이를 통해 그래프의 x축에 시점을 표시.walltime (float, 선택 사항): 기록 시점의 시간. 기본적으로는 현재 시간을 사용.사용 예시from torch.utils..

collate_fn은 PyTorch의 DataLoader에서 배치(batch)를 구성하는 방식을 사용자 정의할 수 있게 해주는 함수.기본적으로 DataLoader는 단순히 각 데이터를 배치 단위로 묶어서 반환하지만, 데이터의 형태가 복잡하거나 다양한 전처리가 필요한 경우 collate_fn을 사용하여 맞춤형 배치 구성을 할 수 있음기본적인 Dataset 구현collate_fn을 정의하여 DataLoader에 전달예시import torchfrom torch.utils.data import Dataset, DataLoaderclass MyDataset(Dataset): def __init__(self, data, labels): self.data = data self.label..

PyTorch에서 나만의 Dataset을 만들 때 반드시 작성해야 하는 함수는 다음과 같다.__init__: 데이터셋의 초기화를 담당__len__: 데이터셋의 크기(길이)를 반환__getitem__: 주어진 인덱스에 해당하는 데이터를 반환PyTorch의 Dataset 클래스를 상속받아야 한다.아래는 그 예시import torchfrom torch.utils.data import Dataset, DataLoaderclass MyDataset(Dataset): def __init__(self, data, labels): """ 데이터셋의 초기화를 수행합니다. Args: data (list or numpy array): 데이터 리스트 또는 배열 ..

보호되어 있는 글입니다.

깊이 기반, MLP 기반, 및 트랜스포머 기반 접근 방식. 깊이 기반 방법의 경우, 2D 특징을 명시적 또는 암시적인 깊이 추정을 통해 3D 공간으로 올리는 것이 주요 솔루션픽셀을 직접적으로 BEV로 매핑하는 대신, 각 픽셀의 깊이 분포를 계산하여 2D 특징을 이 분포로 3D로 올리고, 이후 3D에서 차원 축소를 통해 BEV 표현을 얻음n설명방법 1하나의 간단한 접근 방식은 변분 인코더-디코더 또는 MLP를 사용하여 PV 특징을 BEV로 투사하는 것방법 2트랜스포머 기반 접근 방식은 상향식 방식으로 BEV 쿼리를 직접 구성하고 교차 주의 메커니즘을 사용하여 원근 이미지에서 해당 특징을 찾음 BEV-Perception? -> Background입력 이미지 시퀀스 𝐼∈𝑅^(𝑁×𝑉×𝐻×𝑊×3)를 주..