Διπλωματικές Εργασίες – Χειμερινό Εξάμηνο 2022-2023


Ενημέρωση 23/9/2022: Ανάθεση Διπλωματικών Εργασιών: Οι αναθέσεις δίνονται παρακάτω. Οι φοιτητές που τους έχει ανατεθεί η εργασία πρέπει να μου στείλουν email μέχρι 7/10/2022 ή νωρίτερα, για να μου δηλώσουν αν θα αναλάβουν τη διπλωματική. Εαν κάποιος δεν δεχθεί η διπλωματική θα ανατεθεί στον πρώτο επιλαχόντα.

Θέμα 1: ΑΜ 3336

Θέμα 2: ΑΜ 4336

Θέμα 3: ΑΜ 4106

Θέμα 4: ΑΜ 2932

Οι ενδιαφερόμενοι μπορούν μέχρι 16/9/2022 να στείλουν email στο fudos@cs.uoi.gr με το θέμα/θέματα που τους ενδιαφέρουν (με σειρά προτίμησης αν είναι περισσότερα από ένα), ένα σύντομο βιογραφικό και ένα αντίγραφο αναλυτικής βαθμολογίας, και στις 23/9/2022 θα ανακοινώσω την ανάθεση των διπλωματικών σε αυτήν την σελίδα.

Θέμα 1: Πρόβλεψη του σφάλματος εκτύπωσης ενός 3Δ mesh. Για το αποτέλεσμα της εκτύπωσης και τον υπολογισμού του σφάλματος/στόχου θα χρησιμοποιηθεί λογισμικό εξομοίωσης (prusa slicer).

Προαπαιτούμενα: προγραμματισμός, κατανόηση εννοιών 3Δ αναπαραστάσεων, καλός βαθμός στο μάθημα Γραφικά Υπολογιστών και Συστήματα Αλληλεπίδρασης, προγραμματισμός σε python και περιβάλλοντα μηχανικής μάθησης (tensor flow, pytorch, keras).

Θέμα 2: Φωτορεαλιστική απόδοση σκηνών που δίνονται σε αναπαράτσαση glTF σε κινητές συσκευές (native και webgl). Σχεδίαση και ανάπτυξη εφαρμογής για απόδοση ρεαλιστικών σκηνών σε smartphones.
Προαπαιτούμενα: προγραμματισμός σε android sdk, κατανόηση εννοιών 3Δ αναπαραστάσεων και φωτισμού, καλός βαθμός στο μάθημα Γραφικά Υπολογιστών και Συστήματα αλληλεπίδρασης.

Θέμα 3: Χρήση των Neural Graphics Primitives της NVIDIA (https://github.com/NVlabs/instant-ngp) για ανακατασκευή 3Δ αντικειμένων πολιτισμικού ενδιαφέροντος, αποτίμηση της απόδοσης, και επανεκπαίδευση/τροποποίηση του δικτύου για βελτίωση της απόδοσής του.

Προαπαιτούμενα: προγραμματισμός, κατανόηση εννοιών 3Δ αναπαραστάσεων, καλός βαθμός στο μάθημα Γραφικά Υπολογιστών και Συστήματα Αλληλεπίδρασης, προγραμματισμός σε python και περιβάλλοντα μηχανικής μάθησης (tensor flow, pytorch, keras).

Θέμα 4: Εντοπισμός κινήσεων προσώπου και ματιών με χρήση ηλεκτροεγκεφαλογραφήματος και άλλων αισθητήρων. Κατηγοριοποίηση ακολουθιών σήματος ηλεκτροεγκεφαλογραφήματος με τεχνικές επιβλεπόμενης μάθησης.

Προαπαιτούμενα: Καλή γνώση σημάτων και συστημάτων, προγραμματισμός σε python και περιβάλλοντα μηχανικής μάθησης (tensor flow, pytorch, keras).