VIP8
本课程属于：051-计算摄影与移动影像系统 AI智能与边缘计算工程 · 共 8 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

人像模式计算散景深度估计实战

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
人像模式概述
什么是人像模式 · 散景效果原理 · 手机与单反的差异
人像模式概述什么是人像模式
02
深度估计基础
深度图概念 · 深度估计的应用场景 · 传统方法与深度学习方法对比
深度估计基础深度图概念
03
相机成像模型
针孔相机模型 · 视差与深度关系 · 双目立体视觉原理
相机成像模型针孔相机模型
04
单目深度估计
单目深度估计的挑战 · 基于CNN的方法 · MiDaS模型介绍
单目深度估计单目深度估计的挑…
05
MiDaS模型实战
MiDaS模型下载 · 环境配置 · 单张图像深度预测代码实现
MiDaS模型实战
06
深度图后处理
深度图归一化 · 中值滤波去噪 · 边缘保留滤波（双边滤波）
深度图后处理深度图归一化
07
人像分割基础
语义分割概念 · 人像分割数据集（EG1800 · Supervisely）
人像分割基础语义分割概念
08
轻量级人像分割
MobileNet + DeepLa… · ONNX模型导出与推理
轻量级人像分割MobileNet
09
分割模型实战
使用MediaPipe自拍分割 · 实时人像抠图代码实现
分割模型实战MediaPipe
10
深度与分割融合
将深度图与分割掩码对齐 · 前景背景分离策略
深度分割融合
11
散景渲染原理
光学散景与计算散景 · 圆形与六边形散景模拟 · 高斯模糊与镜头模糊
散景渲染原理光学散景
12
基于深度的可变模糊
根据深度值动态调整模糊半径 · 线性与非线性映射
基于深度的可变模…根据深度值动态调…
13
散景高光模拟
高光检测 · 高光放大与柔化 · 十字星光效果
散景高光模拟高光检测
14
散景渲染实战
Python实现分层散景渲染 · OpenCV图像处理流水线
散景渲染实战Python
15
人像模式完整Pipeline
数据流设计 · 模块串联 · 性能优化思路
Pipeline人像模式完整
16
实时性优化
模型量化（INT8） · TensorRT加速 · NCNN移动端部署
实时性优化INT8
17
边缘设备部署
树莓派与Jetson Nano环境搭… · OpenCV + CUDA加速
边缘设备部署Jetson
18
iOS端实现
CoreML模型转换 · Metal Performance…
iOS端实现
19
Android端实现
TFLite模型转换 · GPU委托与NNAPI加速
Android端实现
20
Web端实现
TensorFlow.js模型加载 · WebGL实时渲染
Web端实现
21
数据集构建
数据采集规范 · 标注工具（LabelMe · CVAT）
数据集构建数据采集规范
22
模型训练基础
PyTorch训练循环 · 损失函数设计（深度损失 · 分割损失）
模型训练基础PyTorch
23
自监督深度估计
Monodepth2原理 · 左右一致性损失 · 光度重建损失
自监督深度估计Monodepth2
24
微调与迁移学习
在自定义数据集上微调MiDaS · 冻结与解冻策略
微调迁移学习
25
评估指标
深度估计指标（RMSE · δ1-δ3） · 分割指标（IoU
评估指标RMSE
26
常见问题与调试
深度图空洞修复 · 分割边缘锯齿 · 散景伪影消除
常见问题调试
27
高级散景效果
焦外光斑形状控制 · 色散模拟 · 景深渐变过渡
高级散景效果焦外光斑形状控制
28
多摄像头融合
双摄/三摄深度融合 · ToF与RGB数据对齐
多摄像头融合双摄
29
项目实战
构建完整人像模式App（Python… · 功能测试与调优
项目实战App
30
总结与展望
当前技术局限 · 未来趋势（NeRF · 3D Gaussian Splatt…
当前技术局限NeRF