ಶಾಂಘೈ ತಾಂತ್ರಿಕ ವಿಶ್ವವಿದ್ಯಾಲಯದ ಸಂಶೋಧಕರ ಗುಂಪು ಉಪಕರಣಗಳು , ಇದು ಸ್ಥಿರ ಚಿತ್ರಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಜನರ ಚಲನೆಯನ್ನು ಅನುಕರಿಸಲು ಯಂತ್ರ ಕಲಿಕೆಯ ವಿಧಾನಗಳನ್ನು ಬಳಸಲು ಅನುಮತಿಸುತ್ತದೆ, ಹಾಗೆಯೇ ಬಟ್ಟೆಗಳನ್ನು ಬದಲಿಸಿ, ಅವುಗಳನ್ನು ಮತ್ತೊಂದು ಪರಿಸರಕ್ಕೆ ವರ್ಗಾಯಿಸಿ ಮತ್ತು ವಸ್ತುವು ಗೋಚರಿಸುವ ಕೋನವನ್ನು ಬದಲಾಯಿಸುತ್ತದೆ. ಕೋಡ್ ಅನ್ನು ಪೈಥಾನ್‌ನಲ್ಲಿ ಬರೆಯಲಾಗಿದೆ
ಚೌಕಟ್ಟನ್ನು ಬಳಸುವುದು . ಅಸೆಂಬ್ಲಿ ಕೂಡ ಅಗತ್ಯವಿದೆ ಮತ್ತು CUDA ಟೂಲ್ಕಿಟ್.
ಟೂಲ್ಕಿಟ್ ಎರಡು ಆಯಾಮದ ಚಿತ್ರವನ್ನು ಇನ್‌ಪುಟ್ ಆಗಿ ಪಡೆಯುತ್ತದೆ ಮತ್ತು ಆಯ್ದ ಮಾದರಿಯ ಆಧಾರದ ಮೇಲೆ ಮಾರ್ಪಡಿಸಿದ ಫಲಿತಾಂಶವನ್ನು ಸಂಶ್ಲೇಷಿಸುತ್ತದೆ. ಮೂರು ರೂಪಾಂತರ ಆಯ್ಕೆಗಳನ್ನು ಬೆಂಬಲಿಸಲಾಗುತ್ತದೆ:
ಮಾದರಿ ತರಬೇತಿ ಪಡೆದ ಚಲನೆಯನ್ನು ಅನುಸರಿಸುವ ಚಲಿಸುವ ವಸ್ತುವನ್ನು ರಚಿಸುವುದು. ಒಂದು ಮಾದರಿಯಿಂದ ವಸ್ತುವಿಗೆ ಗೋಚರಿಸುವ ಅಂಶಗಳನ್ನು ವರ್ಗಾಯಿಸುವುದು (ಉದಾಹರಣೆಗೆ, ಬಟ್ಟೆಯ ಬದಲಾವಣೆ). ಹೊಸ ಕೋನದ ಉತ್ಪಾದನೆ (ಉದಾಹರಣೆಗೆ, ಪೂರ್ಣ-ಮುಖದ ಛಾಯಾಚಿತ್ರದ ಆಧಾರದ ಮೇಲೆ ಪ್ರೊಫೈಲ್ ಚಿತ್ರದ ಸಂಶ್ಲೇಷಣೆ). ಎಲ್ಲಾ ಮೂರು ವಿಧಾನಗಳನ್ನು ಸಂಯೋಜಿಸಬಹುದು, ಉದಾಹರಣೆಗೆ, ವಿಭಿನ್ನ ಬಟ್ಟೆಗಳಲ್ಲಿ ಸಂಕೀರ್ಣವಾದ ಚಮತ್ಕಾರಿಕ ಟ್ರಿಕ್ನ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಅನುಕರಿಸುವ ಛಾಯಾಚಿತ್ರದಿಂದ ನೀವು ವೀಡಿಯೊವನ್ನು ರಚಿಸಬಹುದು.
ಸಂಶ್ಲೇಷಣೆಯ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ, ಛಾಯಾಚಿತ್ರದಲ್ಲಿ ವಸ್ತುವನ್ನು ಆಯ್ಕೆಮಾಡುವ ಮತ್ತು ಚಲಿಸುವಾಗ ಕಾಣೆಯಾದ ಹಿನ್ನೆಲೆ ಅಂಶಗಳನ್ನು ರೂಪಿಸುವ ಕಾರ್ಯಾಚರಣೆಗಳು ಏಕಕಾಲದಲ್ಲಿ ನಿರ್ವಹಿಸಲ್ಪಡುತ್ತವೆ. ನರಮಂಡಲದ ಮಾದರಿಯನ್ನು ಒಮ್ಮೆ ತರಬೇತಿ ಮಾಡಬಹುದು ಮತ್ತು ವಿವಿಧ ರೂಪಾಂತರಗಳಿಗೆ ಬಳಸಬಹುದು. ಲೋಡ್ ಮಾಡಲು ಪ್ರಾಥಮಿಕ ತರಬೇತಿಯಿಲ್ಲದೆ ಉಪಕರಣಗಳನ್ನು ತಕ್ಷಣವೇ ಬಳಸಲು ನಿಮಗೆ ಅನುಮತಿಸುವ ಸಿದ್ಧ ಮಾದರಿಗಳು. ಕಾರ್ಯನಿರ್ವಹಿಸಲು ಕನಿಷ್ಠ 8GB ಯ ಮೆಮೊರಿ ಗಾತ್ರದೊಂದಿಗೆ GPU ಅಗತ್ಯವಿದೆ.
ಎರಡು ಆಯಾಮದ ಜಾಗದಲ್ಲಿ ದೇಹದ ಸ್ಥಳವನ್ನು ವಿವರಿಸುವ ಪ್ರಮುಖ ಅಂಶಗಳ ಮೂಲಕ ರೂಪಾಂತರದ ಆಧಾರದ ಮೇಲೆ ರೂಪಾಂತರದ ವಿಧಾನಗಳಿಗಿಂತ ಭಿನ್ನವಾಗಿ, ಯಂತ್ರ ಕಲಿಕೆಯ ವಿಧಾನಗಳನ್ನು ಬಳಸಿಕೊಂಡು ದೇಹದ ವಿವರಣೆಯೊಂದಿಗೆ ಮೂರು ಆಯಾಮದ ಜಾಲರಿಯನ್ನು ಸಂಶ್ಲೇಷಿಸಲು ಸೋಗು ಹಾಕುವವನು ಪ್ರಯತ್ನಿಸುತ್ತಾನೆ.
ಪ್ರಸ್ತಾವಿತ ವಿಧಾನವು ವೈಯಕ್ತಿಕಗೊಳಿಸಿದ ದೇಹದ ಆಕಾರ ಮತ್ತು ಪ್ರಸ್ತುತ ಭಂಗಿಯನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಂಡು, ಕೈಕಾಲುಗಳ ನೈಸರ್ಗಿಕ ಚಲನೆಯನ್ನು ಅನುಕರಿಸುವ ಮ್ಯಾನಿಪ್ಯುಲೇಷನ್ಗಳನ್ನು ಅನುಮತಿಸುತ್ತದೆ.
ರೂಪಾಂತರ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ ಟೆಕಶ್ಚರ್, ಶೈಲಿ, ಬಣ್ಣಗಳು ಮತ್ತು ಮುಖದ ಗುರುತಿಸುವಿಕೆಯಂತಹ ಮೂಲ ಮಾಹಿತಿಯನ್ನು ಸಂರಕ್ಷಿಸಲು, () ಮೂಲ ವಸ್ತುವಿನ ಬಗ್ಗೆ ಮಾಹಿತಿ ಮತ್ತು ಅದರ ನಿಖರವಾದ ಗುರುತಿಸುವಿಕೆಗಾಗಿ ನಿಯತಾಂಕಗಳನ್ನು ಅನ್ವಯಿಸುವ ಮೂಲಕ ಹೊರತೆಗೆಯಲಾಗುತ್ತದೆ .
ಮೂಲ: opennet.ru