Undersök om “Neural Radiance Fields for View Synthesis” (Nerf) går att använda för att utvidga och bättre representera insamlad bilddata av skog från drönare. Analysera om det går att skapa syntetiska skogsbilder och hur mycket överlapp av bilder som ger bäst resultat.
Bakgrund
IT-Bolaget Per & Per utvecklar applikationer för skogsbranschen. Det finns ett ökat intresse för smarta funktioner i våra applikationer så som automatisk detektion av fallna träd, granbarkborre-skadade träd och trädarter. Ett viktigt steg för robust funktionalitet av smarta funktioner skulle vara att utvidga våra ortofoton med syntetisk data.
Behov
Analys av om djupa nätverk går att använda för att skapa syntetiska flygfoton över skogsområden. Undersöka hur mycket överlappande bilder som behövs för att få det bästa resultatet. Förslagsvis undersöks modellen Nerf, men egna förslag eller andra modeller att undersöka eller jämföra är välkomna. Att undersöka körtiderna för modellen/modellerna är också av intresse.
Mål
- Undersöka möjligheten att skapa syntetiska drönarbilder över skogsområden.
- Utvärdera vilket överlapp av bilder som ger bäst resultat.
- Eventuell jämförelse av flera olika modeller.
- Analysera körtider av modeller, är detta en modell som som lämpar sig bäst på en server eller går det att köra på en mobil enhet?
Avvägningar
- Vad skulle man kunna åstadkomma med perfekt utrustning och obegränsat med tid?
- Vad kan man åstadkomma med begränsad fältmässig utrustning, budget samt minimalt med tid?
- Vad är “state-of-the-art” för området “photogrammetry”?
- Hur lång tid får beräkningarna ta för att fortfarande klassificeras som “snabborto”?
- Går det att lösa problemet utan kompromisser?
Utmaningar
Maskinlärning, bildbehandling, stora datamängder, visualisering
Intresserad?
Om du tycker det låter intressant vill vi att du hör av dig. Skicka din ansökan till jobs@2xper.se.
Du hittar mer information om oss på www.2xper.se.
För frågor angående exjobbet, kontakta:
Per Gustås (per.gustas@2xper.se eller 0708-449964)
