Přístupnostní navigace
E-application
Search Search Close
Bachelor's Thesis
Author of thesis: Tatiana Fedorova
Acad. year: 2025/2026
Supervisor: doc. Ing. Michal Španěl, Ph.D.
Reviewer: Ing. Marek Vaško
This bachelor thesis deals with the use of deep neural networks for 3D reconstruction from photographs. The theoretical part summarizes the basic principles of image-based reconstruction, camera geometry, classical methods and selected neural approaches. The practical part uses the DUSt3R model on a custom outdoor urban dataset. Since measured depth data were not available, additional reference information was obtained using COLMAP. The work includes data preparation, generation of image pairs, processing of depth maps and evaluation of model fine-tuning. The experiments showed that fine-tuning the whole model is too demanding for the available hardware, so only the output heads were trained. The best variant after 24 epochs reduced the MAE error by approximately 5.53% and increased the 𝛿 metric by approximately 8.97% compared with the pretrained model.
3D reconstruction, deep learning, neural networks, DUSt3R, COLMAP, depth map, model fine-tuning, pseudo-ground-truth
Date of defence
16.06.2026
Result of the defence
Defended (thesis was successfully defended)
Grading
D
Process of defence
Studentka nejprve prezentovala výsledky, kterých dosáhla v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Studentka následně odpověděla na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studentky na položené otázky rozhodla práci hodnotit stupněm D.
Topics for thesis defence
Language of thesis
Czech
Faculty
Fakulta informačních technologií
Department
Department of Computer Graphics and Multimedia
Study programme
Information Technology (BIT)
Composition of Committee
doc. Ing. Lukáš Burget, Ph.D. (předseda) doc. Mgr. Adam Rogalewicz, Ph.D. (místopředseda) Ing. Libor Polčák, Ph.D. (člen) Ing. Michal Hradiš, Ph.D. (člen) Ing. Martin Žádník, Ph.D. (člen)
Supervisor’s reportdoc. Ing. Michal Španěl, Ph.D.
Slečna Fedorova obtížné téma uchopila jednodušším způsobem. Nepokusila se získat širší rozhled v existujících metodách a hlubší pochopení. Věnovala se experimentům s jednou zvolenou metodou, se kterou pracovala jako s nástrojem. Obtížnost a zpracování tématu tak odpovídá průměrné bakalářské práci. Mé celkové hodnocení pak snižuje ve spěchu dokončovaná technická zpráva.
Problematika 3D rekonstrukce z fotografií patří mezi obtížnější témata. Pochopení principů i použití existujících nástrojů není triviální a naráží na různé typy problémů. Studentka se v rámci tématu zaměřila na experimenty s metodou DUSt3R, jednou z nových metod založených na neuronových sítích (CVPR, 2024), a ověřovala možnosti dotrénování modelu na vlastních datech.
Zadání považuji za splněné, včetně bodu 4, který požaduje: "navrhněte architekturu neuronové sítě pro danou úlohu." V kontextu složitosti metod rekonstrukce a zejména náročnosti jejich trénování na rozsáhlých datových sadách, považuji cestu, kterou studentka zvolila, za adekvátní bakalářské práci.
Studijní materiály související s modelem DUSt3R byly doporučeny vedoucím. Další materiály si studentka vyhledávala samostatně a také sama nastudovala potřebné informace o principech a použití modelu DUSt3R a nástroje COLMAP.
Studentka průběžně prezentovala výsledky své samostatné práce na příležitostných konzultacích. Aktivita řešení kolísala a zdálo se mi, že intenzita práce se zvyšovala ke konci řešení s blížícím se termínem odevzdání.
Technická zpráva měla být dokončena dříve. Definitivní obsah jsem měl k dispozici těsně před odevzdáním. Studentka se snažila zapracovat komentáře, ale již nebyl dostatek času na postupné odladění textu, zejména popisu experimentů a prezentace výsledků.
Není známa.
Grade proposed by supervisor: D
Reviewer’s reportIng. Marek Vaško
Celkovo prácu hodnotím na hranici C/B. Ujasnenie rozhodnutia by malo byť vedené odpoveďami na otázky k obhajobe.
Pozitíva sú: kvalitne spracovaný prehľad state of the art, používanie recentných metód a pravdepodobné vytvorenie novej dátovej sady.
Nedostatky sú v rozsahu experimentálnej časti, a to aj v miere, v akej sa autorka podieľa na implementácii trénovacích skriptov.
Evaluation level: more difficult assignment
Práca rieši dolaďovanie metódy pre rekonštrukciu 3D objektov na vlastnej dátovej sade Terezín. Viac ako priemerne obtiažne hodnotím vytváranie novej dátovej sady (je však potrebné objasniť proces vytvárania, viď. otázky), ktorá obsahuje viacero modalít. Metóda pre dotrénovanie modelu je skôr implementáciou štandardného postupu.
Práca je formálne spracovaná dobre, možno by som ale vypichol pár nedostatkov. Napríklad v úvode sa dvakrát opakuje informácia, že tieto metódy nepotrebujú kalibrované kamery.
Zároveň sú experimenty čislované 1–3, avšak v texte pri experimente 1 je spomenuté, že išlo o experiment 2.
Práca má dobrú formálnu úpravu.
Experimentálnu časť má pozitíva ale je tu aj pár problémov:
Hodnotenie vytvorenej dátovej sady nie je možné, keďže nemohla byť dodaná v rámci NDA.
Pozitíva na odovzdaných súboroch je kvalitne zdokumentovaný pipeline na spracovanie dát.
Práca je kompilačného charakteru a aplikuje existujúce metódy na novú dátovú sadu. Využiteľnosť výsledkov pre konkrétny typ dátovej sady sa zdá byť možný, avšak chýbajú jasnejšie vysvetlenia niektorých častí práce.
Evaluation level: the student has reasonably deviated from the assignment with minor reservations
Práca je z veľkej časti splnená, avšak formulácia zadania zahŕňa aj testovanie viacerých metód a úpravu architektúry siete. Práca rieši experimenty s jednou metódou pri výbere rôznych trénovaných parametrov siete. Zdá sa však, že značné rozšírenie nastalo v oblasti tvorby dátovej sady, ktorá výrazne presahuje rámec definovaný v zadávaní. Je však najskôr potrebné potvrdiť autorský prínos študentky.
Evaluation level: meets the minimum requirements only
Formálne je práca v rozsahu normostrán.
Chýba detailnejší popis niektorých častí.
Na druhej strane, prehľad literatúry je obsiahly a rozsahovo spĺňa očakávania, rovnako aj experimentálna časť.
Celkovo má práca približne 34 referencií. Z pohľadu kvality sú všetky metódy z kvalitných konferencií. Práca s literatúrou je dobrá, primárne sa v teoretickej časti cituje korektným spôsobom.
Grade proposed by reviewer: C
Responsibility: Mgr. et Mgr. Hana Odstrčilová