Μια ομάδα ερευνητών από πολλά αμερικανικά πανεπιστήμια δημοσίευσε ένα έργο (Pixel-Aligned Implicit Function), που σας επιτρέπει να εφαρμόσετε μεθόδους μηχανικής εκμάθησης για να δημιουργήσετε ένα τρισδιάστατο μοντέλο ενός ατόμου από μία ή περισσότερες δισδιάστατες εικόνες. Το σύστημα σάς επιτρέπει να αναδημιουργήσετε σύνθετες επιλογές ρούχων, όπως πλισέ φούστες και τακούνια, καθώς και διάφορα χτενίσματα, αποκαθιστώντας ανεξάρτητα την υφή και το σχήμα σε περιοχές που δεν είναι ορατές στην προβολή από την οποία είναι κατασκευασμένο το τρισδιάστατο μοντέλο. Για να αυξήσετε την ποιότητα και τη λεπτομέρεια του τελικού τρισδιάστατου μοντέλου, μπορούν να χρησιμοποιηθούν πολλές εικόνες από διαφορετικές γωνίες. Ο κώδικας του έργου είναι γραμμένος σε Python χρησιμοποιώντας το πλαίσιο PyTorch και υπό την άδεια του MIT.
Ένα νευρωνικό δίκτυο χρησιμοποιείται ως πηγή για την ανακατασκευή μιας τρισδιάστατης διάταξης, η οποία σας επιτρέπει να επιλέξετε το πιο πιθανό σχήμα και να εφεύρετε κρυφά στοιχεία, ξεκινώντας από ένα μοντέλο εκπαιδευμένο σε διάφορες εκδόσεις υπαρχόντων αντικειμένων. Παράλληλα, το έργο παρέχει έναν αλγόριθμο για την αντιστοίχιση της προκύπτουσας ογκομετρικής διάταξης με υφές στις παρεχόμενες 2D εικόνες, ο οποίος ευθυγραμμίζει τα εικονοστοιχεία της εικόνας 3D σύμφωνα με τη θέση τους στο τρισδιάστατο αντικείμενο και δημιουργεί τις πιο πιθανές υφές που λείπουν. Οποιαδήποτε εικόνα μπορεί να κωδικοποιηθεί Για
εφαρμοσμένη αρχιτεκτονική ανακατασκευή επιφανειών"", ένα
Το νευρωνικό δίκτυο που βασίζεται στην αρχιτεκτονική χρησιμοποιείται για την αντιστοίχιση υφής .
Το έτοιμο εκπαιδευμένο μοντέλο που χρησιμοποιήθηκε από τους ερευνητές είναι διαθέσιμο για δωρεάν λήψη, αλλά τα ακατέργαστα δεδομένα που χρησιμοποιούνται για την εκπαίδευση παραμένουν ιδιωτικά καθώς βασίζονται σε εμπορικές τρισδιάστατες σαρώσεις. Μπορεί να χρησιμοποιηθεί ως πηγή αυτοεκπαίδευσης του μοντέλου άτομα από το έργο Renderpeople.
Πηγή: opennet.ru