Mitme Ameerika ülikooli teadlaste rühm avaldas projekti (Pixel-Aligned Implicit Function), mis võimaldab rakendada masinõppe meetodeid inimese 3D mudeli loomiseks ühe või mitme kahes mõõtmes pildi põhjal. Süsteem suudab taastada keerulisi riidevariatsioone, nagu volditud seelikud ja kõrgematel kontsadel kingad, ning erinevaid soenguid, iseseisvalt taastades tekstuuri ja kuju piirkondades, mis jäävad nähtamatuks 3D mudeli loomise projektsioonis. Lõpliku 3D mudeli kvaliteedi ja detailide suurendamiseks saab kasutada mitmeid pilte erinevates nurkades. Projekti kood on kirjutatud Python keeles, kasutades PyTorch raamistiku on MIT litsentsi all.
Käideldava ruumilise mudeli rekonstrueerimiseks kasutatakse närvivõrku, mis võimaldab valida kõige tõenäolisema vormi ja täiendada peidetud elemente, tuginedes mudelile, mis on koolitatud erinevate olemasolevate objektide variatsioonide põhjal. Samal ajal pakub projekt algoritmi, mis sobitab saadud ruumilise mudeli esitatud kahe dimensiooni piltide tekstuuridega, joondades 2D-pildi pikslid vastavalt nende asendile 3D-objektil ja genereerides kõige tõenäolisemad puuduvad tekstuurid. Pildi kodeerimiseks võib kasutada mis tahes , et
pinna rekonstrueerimisel on rakendatud arhitektuuri „“, ja
tekstuuride sobitamiseks on kaasatud närvivõrk, mis põhineb arhitektuuril .
Uuringute käigus rakendatud valmis koolitatud mudel vaba allalaadimiseks, kuid originaalandmed, millel koolitus toimus, jäävad kinniseks, kuna need põhinevad kommertslike 3D-skaneerimise tulemustel. Iseseisva mudeli koolitamiseks võib kasutada inimesi projektist Renderpeople.
Allikas: opennet.ru
