Grupo de esploristoj de pluraj usonaj universitatoj publikigis projekton (Pixel-Aligned Implicit Function), kiu permesas vin apliki maŝinlernajn metodojn por konstrui 3D-modelon de persono el unu aŭ pluraj dudimensiaj bildoj. La sistemo permesas rekrei kompleksajn vestajn opciojn, kiel plisitajn jupojn kaj kalkanojn, kaj diversajn kombitojn, sendepende restarigante teksturon kaj formon en nevideblaj lokoj en la projekcio, el kiu la 3D-modelo estas konstruita. Por pliigi la kvaliton kaj detalon de la fina 3D-modelo, pluraj bildoj el malsamaj anguloj povas esti uzataj. La projektkodo estas skribita en Python uzante la kadron PyTorch kaj sub la MIT-licenco.
Neŭrala reto estas uzata kiel fonto por rekonstrui tridimensian aranĝon, kiu permesas elekti la plej verŝajnan formon kaj inventi kaŝitajn elementojn, komencante de modelo trejnita sur diversaj versioj de ekzistantaj objektoj. Paralele, la projekto provizas algoritmon por kongrui la rezultan volumetran aranĝon kun teksturoj en la provizitaj 2D-bildoj, kiu vicigas la pikselojn de la 3D-bildo laŭ ilia pozicio sur la XNUMXD-objekto kaj generas la plej verŝajne mankantajn teksturojn. Ajna bildo povas esti kodita por
surfaca rekonstruo aplikata arkitekturo "", a
arkitektur-bazita neŭrala reto estas uzata por tekstura kongruo .
La preta trejnita modelo uzata de la esploristoj disponeblas senpage elŝutebla, sed la krudaj datumoj uzataj por trejnado restas privataj ĉar ĝi baziĝas sur komercaj 3D-skanadoj. Povas esti uzata kiel fonto por memtrejnado de la modelo homoj de la projekto Renderpeople.
fonto: opennet.ru