アメリカのいくつかの大学の研究者グループがプロジェクトを発表しました (Pixel-Aligned Implicit Function) を使用すると、機械学習手法を適用して、3 つまたは複数の 3 次元画像から人物の 3D モデルを構築できます。 このシステムを使用すると、プリーツ スカートやヒールなどの複雑な衣服のオプションやさまざまなヘアスタイルを再現し、XNUMXD モデルの構築元となる投影では見えない領域のテクスチャと形状を個別に復元できます。 最終的な XNUMXD モデルの品質と詳細を向上させるために、さまざまな角度からの複数の画像を使用できます。 プロジェクト コードは、PyTorch フレームワークを使用して Python で記述されており、 MITライセンスの下で。
ニューラル ネットワークは、2 次元レイアウトを再構築するためのソースとして使用されます。これにより、既存のオブジェクトのさまざまなバージョンでトレーニングされたモデルから開始して、最も可能性の高い形状を選択し、隠れた要素を発明することができます。 並行して、プロジェクトは、結果の体積レイアウトを提供された 3D 画像のテクスチャと照合するためのアルゴリズムを提供します。これは、XNUMXD オブジェクト上の位置に従って XNUMXD 画像のピクセルを位置合わせし、最も可能性の高い欠落テクスチャを生成します。 あらゆる画像をエンコード可能 のために
表面再構築応用建築」"、 NS
テクスチャマッチングにはアーキテクチャベースのニューラルネットワークが使用されます .
研究者が使用する既製のトレーニング済みモデル は無料でダウンロードできますが、トレーニングに使用される生データは商用 3D スキャンに基づいているため、非公開のままです。 モデルの自己トレーニングのソースとして使用可能 Renderpeople プロジェクトの人々。
出所： オープンネット.ru