βn Groep navorsers van verskeie Amerikaanse universiteite het βn projek gepubliseer (Pixel-Aligned Implicit Function), wat jou toelaat om masjienleermetodes toe te pas om 'n 3D-model van 'n persoon te bou uit een of meer tweedimensionele beelde. Die stelsel laat jou toe om komplekse klere-opsies te herskep, soos geplooide rompe en hakke, en verskeie haarstyle, wat onafhanklik tekstuur en vorm herstel in areas wat onsigbaar is in die projeksie waaruit die 3D-model gebou is. Om die kwaliteit en detail van die finale 3D-model te verhoog, kan verskeie beelde vanuit verskillende hoeke gebruik word. Die projekkode word in Python geskryf deur die PyTorch-raamwerk en onder die MIT-lisensie.
'n Neurale netwerk word gebruik as 'n bron vir die rekonstruering van 'n driedimensionele uitleg, wat jou toelaat om die mees waarskynlike vorm te kies en verborge elemente uit te vind, vanaf 'n model wat op verskillende weergawes van bestaande voorwerpe opgelei is. In parallel verskaf die projek 'n algoritme om die resulterende volumetriese uitleg met teksture in die verskafde 2D-beelde te pas, wat die pixels van die 3D-beeld in lyn bring volgens hul posisie op die XNUMXD-voorwerp en die mees waarskynlike ontbrekende teksture genereer. Enige prent kan geΓ«nkodeer word vir
oppervlak rekonstruksie toegepaste argitektuur "", a
Argitektuur-gebaseerde neurale netwerk word gebruik vir tekstuurpassing .
Die klaargemaakte opgeleide model wat deur die navorsers gebruik is is beskikbaar vir gratis aflaai, maar die rou data wat vir opleiding gebruik word, bly privaat aangesien dit op kommersiΓ«le 3D-skanderings gebaseer is. Kan gebruik word as 'n bron vir self-opleiding van die model mense van die Renderpeople-projek.
Bron: opennet.ru