Több amerikai egyetem kutatócsoportja közzétette a projektet (Pixel-Aligned Implicit Function), amely lehetővé teszi gépi tanulási módszerek alkalmazását az ember 3D-modelljének elkészítésére egy vagy több kétDimenziós kép alapján. A rendszer képes összetett ruházati változatokat, például plisszírozott szoknyákat és magassarkú cipőket újraalkotni, és különböző frizurákat, autonóm módon helyreállítva a textúrát és a formát a láthatatlan részleteknél, amelyekről a 3D-modell készül. A végső 3D-modell minőségének és részletességének növelésére több kép is felhasználható különböző szögekből. A projekt kódját Python nyelven írták a PyTorch keretrendszer használatával, és MIT licenc alatt áll.
A térbeli makett rekonstrukciójához egy neurális hálózat szolgál forrásként, amely lehetővé teszi a legvalószínűbb forma kiválasztását és a rejtett elemek kitalálását a különböző létező objektumváltozatok alapján betanított modell segítségével. E párhuzamosan a projekt algoritmust kínál a létrehozott térbeli makett textúrák párosítására az adott kétDimenziós képeken, amely a 2D-kép pixeleit a 3D-objektumok helyzete szerint igazítja, és generálja a legvalószínűbb hiányzó textúrákat. A kép kódolásához bármilyen problémát jelent
A felületi rekonstrukcióhoz a „„ architektúra került alkalmazásra, míg
a textúrák párosítására egy .
kutatók által használt előképzett modell szabadon letölthető, de a melyen a tanulás történt adatok zártak maradnak, mivel kereskedelmi 3D-lei szkennelésen alapulnak. A modell önálló betanításához használható forrásként az Renderpeople projektből.
Forrás: opennet.ru
