In groep ûndersikers fan ferskate Amerikaanske universiteiten publisearre in projekt (Pixel-Aligned Implicit Function), wêrtroch jo metoaden foar masine-learen kinne tapasse om in 3D-model fan in persoan te bouwen fan ien of mear twadimensjonale ôfbyldings. It systeem lit jo komplekse kleanopsjes opnij meitsje, lykas plissearre rokken en hakken, en ferskate kapsels, selsstannich werstelle fan tekstuer en foarm yn gebieten dy't ûnsichtber binne yn 'e projeksje wêrfan it 3D-model is boud. Om de kwaliteit en detail fan it definitive 3D-model te fergrutsjen, kinne ferskate ôfbyldings út ferskate hoeken brûkt wurde. De projektkoade is skreaun yn Python mei it PyTorch-ramt en ûnder de MIT-lisinsje.
In neuronale netwurk wurdt brûkt as boarne foar it rekonstruearjen fan in trijediminsjonale yndieling, wêrtroch jo de meast wierskynlike foarm kinne selektearje en ferburgen eleminten útfine, begjinnend fan in model oplaat op ferskate ferzjes fan besteande objekten. Parallel jout it projekt in algoritme foar it oerienkomme mei de resultearjende volumetryske yndieling mei tekstueren yn 'e levere 2D-ôfbyldings, dy't de piksels fan' e 3D-ôfbylding ôfstimme neffens har posysje op it XNUMXD-objekt en generearret de meast wierskynlik ûntbrekkende tekstueren. Elke ôfbylding kin kodearre wurde foar
oerflak rekonstruksje tapaste arsjitektuer "", a
Arsjitektuer-basearre neural netwurk wurdt brûkt foar tekstuer oerienkomst .
It ready-made trained model brûkt troch de ûndersikers is beskikber foar fergese download, mar de rauwe gegevens dy't brûkt wurde foar training bliuwe privee, om't se basearre binne op kommersjele 3D-scans. Kin brûkt wurde as boarne foar sels-training fan it model minsken fan it projekt Renderpeople.
Boarne: opennet.ru