root layout

패스트캠퍼스

Fast Campus Logo
Fast Campus

사용자 메뉴

로그인
커뮤니티
기업교육
Course Cover ImageCourse Cover Background Image
AI TECH컴퓨터비전

Computer Vision Signature

평생소장
약 67시간
사전지식 필요

자율주행, 멀티 모달 로봇, 공간 컴퓨팅 등 현재 IT/AI 업계에서 주목하고 있는 모든 컴퓨터 비전 기술을 학습할 수 있는 컴퓨터 비전 강의

#Computer Vision#Vision#Vision AI#로봇#자율주행#컴퓨터비전

강의 정보

온라인
5파트
25.01.24~ 영상 공개
학습자료 제공
AI 챗봇 지원
커뮤니티 운영

64%
월 23,667원
12개월 무이자 할부 시

권장 소비자 가격
800,000원
할인 금액
-516,000원
할인 판매가
284,000원
100% 페이백 쿠폰 이벤트 종료까지 (~5/27)
2025-05-27T14:59:00.000Z
1_일반_912 가이드 W + 상단 화살표.webp

Computer Vision Signature 초격차 패키지 Online.

찜하기

나를 위한 투자, 지금 이 강의로 시작해보세요🔥이 강의로 올해 자기계발 끝내자!

커리큘럼

파트 5개약 67시간

  • Part 1. 2D Computer Vision

      Chapter 1. 강의 커리큘럼 소개

    • (01) 강의 커리큘럼 소개
    • Chapter 2. 컴퓨터 비전을 위한 뉴럴 네트워크

    • (01) CNN의 개념과 역사
    • (02) Attention과 Transformer
    • (03) Vision Transformer
    • (04) Swin Transformer
    • (05) DINO
    • (06) (실습) DINOv2로 유사 이미지를 탐색하기
    • Chapter 3. 2차원 객체 검출과 분할

    • (01) YOLO
    • (02) EfficientDet
    • (03) DETR
    • (04) Class-agnostic object detection
    • (05) Rotated object detection
    • (06) Mask R-CNN
    • (07) Segment anything
    • (08) (실습) Instance segmentation을 활용한 Image inpainting
    • (09) (실습) Instance segmentation을 활용한 OCR 구현
    • Chapter 4. 이미지로 사람의 자세를 추정하기

    • (01) 이미지로 사람의 자세를 추정하는 방법에 대해
    • (02) RTM-Pose
    • (03) ViTPose
    • (04) Pose anything
    • (05) (실습) 사람의 자세를 추정하여 운동 자세를 파악하기 (1)
    • (06) (실습) 사람의 자세를 추정하여 운동 자세를 파악하기 (2)
    • Chapter 5. 객체 검출 및 분할을 활용한 객체 추적 프로젝트

    • (01) Segment anything을 활용한 객체 추적 방법론에 대하여
    • (02) 인공지능으로 객체를 찾고 지속적으로 추적하는 방법을 실습하기 (1)
    • (03) 인공지능으로 객체를 찾고 지속적으로 추적하는 방법을 실습하기 (2)
  • Part 2. 3D Computer Vision

      Chapter 1. 이미지 특징과 3차원 포즈

    • (01) 컴퓨터 비젼을 통한 이미지 특징 추출 및 매칭
    • (02) 3차원 포즈 추정 방법
    • (03) SuperPoint
    • (04) DISK
    • (05) DeDoDe
    • (06) SiLK
    • (07) LoFTR
    • (08) SuperGlue
    • (09) LightGlue
    • (10) (실습) 두 이미지 간 상대적인 포즈 변화를 추정하는 기능 구현하기 (1)
    • (11) (실습) 두 이미지 간 상대적인 포즈 변화를 추정하는 기능 구현하기 (2)
    • (12) (실습) Kaggle Image Matching Challenge 체험하기 (1)
    • (13) (실습) Kaggle Image Matching Challenge 체험하기 (2)
    • Chapter 2. 3차원 객체 검출

    • (01) 3차원 객체 검출을 위한 backbone 모델
    • (02) 3차원 객체 검출 모델에 대하여
    • (03) SMOKE
    • (04) ImVoxelNet
    • (05) (실습) 방 안의 객체를 3차원 형태로 검출해보기
    • Chapter 3. 3차원 Depth 정보 추정

    • (01) 뎁스 추정을 위한 기법과 뎁스 센서
    • (02) 스테레오 매칭
    • (03) Monodepth (1)
    • (04) Monodepth (2)
    • (05) ZoeDepth
    • (06) RAFT-Stereo
    • (07) Apple DepthPro
    • (08) (실습) 내가 찍은 사진으로 뎁스를 추정해보자 (1)
    • (09) (실습) 내가 찍은 사진으로 뎁스를 추정해보자 (2)
    • Chapter 4. 3차원 복원

    • (01) Structure from Motion (1)
    • (02) Structure from Motion (2)
    • (03) Structure from Motion (3)
    • (04) Structure from Motion (4)
    • (05) (실습) COLMAP을 이용하여 SfM을 구현하기
    • (06) 인공지능 기반 이미지 특징 검출 방법을 COLMAP에 활용하기
    • (07) DUSt3R (1)
    • (08) DUSt3R (2)
    • (09) DUSt3R (3)
    • (10) VGGSfM (1)
    • (11) VGGSfM (2)
    • (12) VGGSfM (3)
    • (13) MASt3R (1)
    • (14) MASt3R (2)
    • (15) MASt3R (3)
    • Chapter 5. 뉴럴 랜더링

    • (01) NeRF (1)
    • (02) NeRF (2)
    • (03) NeRF (3)
    • (04) MipNeRF (1)
    • (05) MipNeRF (2)
    • (06) instant-ngp (1)
    • (07) instant-ngp (2)
    • (08) NeuS (1)
    • (09) NeuS (2)
    • (10) 초기 NeRF의 한계점과 파생 연구들
    • (11) (실습) Nerfstudio를 통해 내가 찍은 사진들로 3차원 렌더링 결과를 뽑아보기 (1)
    • (12) (실습) Nerfstudio를 통해 내가 찍은 사진들로 3차원 렌더링 결과를 뽑아보기 (2)
    • (13) (실습) Nerfstudio를 통해 내가 찍은 사진들로 3차원 렌더링 결과를 뽑아보기 (3)
    • (14) 3D Gaussian Splatting (1)
    • (15) 3D Gaussian Splatting (2)
    • (16) 3D Gaussian Splatting (3)
    • (17) 3D Gaussian Splatting의 한계점과 파생 연구들
    • (18) gsplat을 통해 내가 찍은 사진들로 3차원 렌더링 결과를 뽑아보기 (1)
    • (19) gsplat을 통해 내가 찍은 사진들로 3차원 렌더링 결과를 뽑아보기 (2)
    • (20) gsplat을 통해 내가 찍은 사진들로 3차원 렌더링 결과를 뽑아보기 (3)
    • Chapter 6. 3차원 컴퓨터 비젼 기술 응용 실습 프로젝트

    • (01) 인공지능 기반 3차원 복원과 뉴럴 렌더링의 만남
    • (02) 인공지능으로 3차원 복원과 뉴럴 렌더링을 함께 수행하는 방법을 실습하기 (1)
    • (03) 인공지능으로 3차원 복원과 뉴럴 렌더링을 함께 수행하는 방법을 실습하기 (2)
    • (04) 인공지능으로 3차원 복원과 뉴럴 렌더링을 함께 수행하는 방법을 실습하기 (3)
    • (05) EFM3D
    • (06) 실내 3차원 공간 복원과 객체 검출을 동시에 수행하는 모델 실습하기 (1)
    • (07) 실내 3차원 공간 복원과 객체 검출을 동시에 수행하는 모델 실습하기 (2)
    • (08) 실내 3차원 공간 복원과 객체 검출을 동시에 수행하는 모델 실습하기 (3)
  • Part 3. Multimodal Model

      Chapter 1. Introduction

    • (01) 강의 커리큘럼 소개
    • Chapter 2. Language model

    • (01) Language Model 소개
    • (02) Transformer Model
    • (03) BERT & GPT 소개
    • (04) BERT와 GPT를 활용한 다양한 Task
    • Chapter 3. Vision Model

    • (01) Vision Model 소개
    • (02) CNN과 Vision Transformer 요약
    • (03) (실습) ViT를 활용한 다양한 Task
    • Chapter 4. CLIP

    • (01) Image와 Text 간 Multi-Modality 학습
    • (02) Contrastive learning
    • (03) CLIP의 모델 구조 학습
    • (04) (실습) Image와 Text 간 Similarity 비교해보기
    • Chapter 5. Grounding DINO

    • (01) Instance Level Image-Text Multi Modality 학습
    • (02) DETR 요약
    • (03) Grounding DINO 모델 학습
    • (04) (실습) Text로부터 Zero-Shot Object Detection 구현하기
    • Chapter 5. Flamingo

    • (01) Vision-Language Model 소개
    • (02) Flamingo 학습
    • Chapter 6. BLIP

    • (01) (실습) Q-Transformer를 활용한 VLM 구현
    • (02) Flamingo와 BLIP 간 VLM 모델 성능 비교
    • Chapter 7. Llava

    • (01) Vision Question Answering
    • (02) Llama 학습
    • (03) Llava 학습
    • (04) (실습) Llava를 활용하여 Image Description 생성하기
    • Chapter 8. PaLM-E

    • (01) Multi Modality의 확장 - Robotics
    • (02) PaLM과 ViT의 결합
    • (03) PaLM-E 모델 학습
    • (04) PaLM-E를 활용한 로봇 제어 학습
    • (05) Multi Modality의 확장성: Vision-Language를 넘어 다른 Modality와 결합
  • Part 4. Visual SLAM(Spatial AI)

      Chapter 1. 강의 커리큘럼 소개

    • (01) 강의 커리큘럼 소개
    • Chapter 2. SLAM Basic

    • (01) SLAM이란?
    • (02) Visual SLAM이란?
    • (03) 3D 회전과 이동
    • (04) Lie group과 Lie algebra
    • (05) (실습) Lie group과 Lie algebra
    • (06) 이미지 투영
    • (07) 카메라 모델과 캘리브레이션
    • Chapter 3. 영상처리, 다중시점 기하학

    • (01) Local Feature Extraction
    • (02) Local Feature Matching
    • (03) Global Feature Extraction
    • (04) Optical Flow
    • (05) Direct Tracking
    • (06) Epipolar Geometry
    • (07) Homography, Essential & Fundamental matrix
    • (08) Triangulation, PnP
    • (09) RANSAC
    • Chapter 4. 비선형 최적화

    • (01) Graph SLAM
    • (02) Bundle Adjustment
    • (03) Nonlinear Optimization
    • Chapter 5. Visual SLAM Architecture

    • (01) Feature-Based SLAM
    • (02) Direct SLAM
  • Part 5. 3개의 최종 프로젝트로 끝내는 Computer Vision Signature

      Chapter 1. 3차원 Foundation Model을 활용한 객체 인지 프로젝트

    • (01) BundleSDF
    • (02) FoundationPose
    • (03) 객체의 위치 추정 기술을 활용하여 AR 객체를 증강시키기
    • Chapter 2. VLM 모델을 활용한 로봇 상위제어 명령 도출 프로젝트

    • (01) Robotics 데이터 소개
    • (02) 로봇 제어를 위한 VLM 실습
    • (03) 로봇 시뮬레이터 구성
    • (04) 시뮬레이터를 활용한 VLM 모델의 상위 제어 명령 도출
    • Chapter 3. Visual SLAM을 활용한 실시간 VR 자세 추정 프로젝트

    • (01) 데이터 셋 탐색
    • (02) Ocean 라이브러리 학습
    • (03) 영상처리, 모션 추정 모듈 구현
    • (04) 그래프 최적화 구현
    • (05) 헤드셋 트랙킹 구현
 영상공개 일정 
해당 강의는 총 6회에 걸쳐 공개됩니다.
1차2025.01.24(금)
2차2025.02.21(금)
3차2025.03.21(금)
4차2025.04.18(금)
5차2025.05.02(금)
최종2025.05.16(금)

이런 강의는 어떠세요?

지금 보는 강의와 유사해요!

강의 대표이미지
10+
컴퓨터비전
[Udacity 나노디그리] 컴퓨터 비전
약 200시간사전지식 필요
강의 대표이미지
10+
컴퓨터비전
초격차 패키지 : 79개 프로젝트로 끝내는 컴퓨터 비전 이미지 분류
약 52시간사전지식 필요
온라인
강의 대표이미지
10+
컴퓨터비전
30개 사례로 배우는 Anomaly Detection 알고리즘 구현과 실전 프로젝트 Online.
약 62시간사전지식 필요
온라인
강의 대표이미지
10+
컴퓨터비전
THE RED : Area Chair 이광무 교수의 Neural Fields & 3D 컴퓨터 비전
약 8시간사전지식 필요
온라인

학습 규정 및 환불 규정

학습 규정


* 본 상품은 동영상 형태의 강의를 수강하는 상품입니다.

* 상황에 따라 사전 공지 없이 할인이 조기 마감되거나 연장될 수 있습니다.

* 해당 강의는 사전 예약 상품으로, 강의 영상이 공개 일정에 따라 순차적으로 제작되어 오픈됩니다.


총 학습기간:

  • 정상 수강기간(유료 수강기간) 최초 90일, 무료 수강 기간은 91일 일차 이후로 무제한이며, 유료 수강기간과 무료 수강기간 모두 동일하게 시청 가능합니다.

  • 본 패키지는 약 67시간 분량으로, 일 1시간 내외의 학습 시간을 통해 정상 수강 기간(=유료 수강 기간) 내에 모두 수강이 가능합니다.

  • 수강시작일: 수강 시작일은 결제일로부터 기간이 산정되며, 결제를 완료하시면 마이페이지를 통해 바로 수강이 가능합니다. (사전 예약 강의는 1차 강의 오픈일)

  • 패스트캠퍼스의 사정으로 수강시작이 늦어진 경우에는 해당 일정 만큼 수강 시작일이 연기됩니다.

  • 일부 강의는 아직 모든 영상이 공개되지 않았습니다. 각 상세페이지 하단에 공개 일정이 안내되어 있습니다.


주의 사항


  • 상황에 따라 사전 공지 없이 할인이 조기 마감되거나 연장될 수 있습니다.

  • 천재지변, 폐업 등 서비스 중단이 불가피한 상황에는 서비스가 종료될 수 있습니다.

  • 본 상품은 기수강생 할인, VIP CLUB 제도 (구 프리미엄 멤버십), 기타 할인 이벤트 적용이 불가할 수 있습니다.

  • 커리큘럼은 제작 과정에서 일부 추가, 삭제 및 변경될 수 있습니다.

  • 쿠폰 적용이나 프로모션 등으로 인해 5만원 이하의 금액으로 강의를 결제할 경우, 할부가 적용되지 않습니다.


환불 규정


  • 환불금액은 정가가 아닌 실제 결제금액을 기준으로 계산됩니다.

  • 쿠폰을 사용하여 강의를 결제하신 후 취소/환불 시 쿠폰은 복구되지 않습니다.


  • 수강시작 후 7일 이내, 5강 미만 수강 시에는 100% 환불 가능합니다.

  • 수강시작 후 7일 이내, 5강 이상 수강 시 전체 강의에서 수강한 강의의 비율에 해당하는 수강료를 차감 후 환불 가능합니다.


  • 수강시작 후 7일 초과 시 정상 수강기간 대비 잔여일에 대해 아래 환불규정에 따라 환불 가능합니다.

    • 환불요청일 시 기준

    • : 수강시작 후 1/3 경과 전, 실 결제금액의 2/3에 해당하는 금액 환불

    • : 수강시작 후 1/2 경과 전, 실 결제금액의 1/2에 해당하는 금액 환불

    • : 수강시작 후 1/2 경과 후, 환불 금액 없음


* 보다 자세한 환불 규정은 홈페이지 취소/환불 정책에서 확인 가능합니다.


패스트캠퍼스 정책 안내


[패스트캠퍼스 아이디 공유 금지 정책]

패스트캠퍼스의 모든 온라인 강의에서는 1개의 아이디로 여러명이 공유하는 형태를 금지하고 있습니다.

동시접속에 대한 기록은 내부 시스템을 통해 자동으로 누적되며, 이후 서비스 이용이 제한될 수 있습니다.


[기기제한 정책]

패스트캠퍼스 온라인 강의 시청을 위해서는 ID별 최대 4개의 기기를 등록할 수 있으며, 기기 등록은 온라인 강의장 접속 시 자동 등록됩니다.

최대 갯수를 초과하였을 경우 등록된 기기 해제가 필요합니다.


[저작권 정책]

패스트캠퍼스의 모든 강의는 무단 배포 및 가공하는 행위, 캡쳐 및 녹화하여 공유하는 행위, 무단으로 판매하는 행위 등 일체의 저작권 침해 행위를 금지합니다.

부정 사용이 적발될 경우 저작권법 위반에 의한 법적인 제재를 받으실 수 있습니다.

국내 7개 카드사 12개월 무이자 할부 지원! (간편 결제 제외)

  • 삼성카드
  • 신한카드
  • 롯데카드
  • 현대카드
  • 하나카드
  • KB국민은행
  • NH농협카드
  • 회사소개
  • 강사지원
  • 채용안내
올해의 브랜드 대상 2021올해를 빛낸 브랜드 대상 2021
대표이사
이강민
개인정보책임관리자
이강민
사업자번호
810-86-00658
사업자정보확인
사무실
서울특별시 강남구 테헤란로 231, 센터필드 WEST 6층, 7층
교육장
서울특별시 강남구 강남대로 364 미왕빌딩 10, 11층
  • 이용약관
  • 개인정보처리방침
  • FAQ
  • 취소/환불 정책
  • 자료실
  • 공지사항
  • 고객센터 바로가기
  • 전화번호 02-501-9396
  • 이메일 help@fastcampus.co.kr
  • 주중 10시~18시 (점심시간 12~13시 / 주말 및 공휴일 제외)
호스팅 서비스 제공
(주) 데이원컴퍼니
통신판매업 신고번호
제 2017-서울강남-01977호
학원설립 운영등록번호
제12484호(강남)
원격평생교육원
제 572호