Amerikako hainbat unibertsitatetako ikertzaile talde batek proiektu bat argitaratu zuen (Pixel-Aligned Implicit Function), ikaskuntza automatikoko metodoak aplikatzeko aukera ematen duena, bi dimentsioko irudi batetik edo gehiagotik pertsona baten 3D eredua eraikitzeko. Sistemak arropa aukera konplexuak birsortzeko aukera ematen du, hala nola, gona eta takoi tolestuak eta hainbat orrazkera, modu independentean testura eta forma berreskuratuz 3D eredua eraikitzen den proiekzioan ikusezinak diren eremuetan. Azken 3D ereduaren kalitatea eta xehetasunak handitzeko, hainbat angelutako hainbat irudi erabil daitezke. Proiektuaren kodea Python-en idatzita dago PyTorch markoa erabiliz eta MIT lizentziapean.
Sare neuronal bat hiru dimentsioko diseinua berreraikitzeko iturri gisa erabiltzen da, eta, horri esker, forma posibleena hautatzeko eta ezkutuko elementuak asmatzeko aukera ematen du, dauden objektuen hainbat bertsiotan trebatutako eredu batetik abiatuta. Paraleloki, proiektuak lortzen den diseinu bolumetrikoa emandako 2D irudietan ehundurarekin lotzeko algoritmo bat eskaintzen du, 3D irudiaren pixelak XNUMXD objektuan duten posizioaren arabera lerrokatzen dituena eta falta diren ehundurak sortzen dituena. Edozein irudi kodetu daiteke egiteko
gainazaleko berreraikuntza aplikatutako arkitektura "", a
arkitekturan oinarritutako neurona-sare erabiltzen da ehundura parekatzeko .
Ikertzaileek erabiltzen duten prest egindako trebatu eredua doan deskargatzeko dago, baina entrenamendurako erabiltzen diren datu gordinak pribatuak izaten jarraitzen dute, 3D eskaneatu komertzialetan oinarritzen baita. Ereduaren autoprestakuntzarako iturri gisa erabil daiteke Renderpeople proiektuko jendea.
Iturria: opennet.ru