Eng Grupp vu Fuerscher vu verschiddenen amerikaneschen Universitéite publizéiert e Projet (Pixel-ausgeriicht implizit Funktioun), déi Iech erlaabt Maschinn Léiermethoden z'applizéieren fir en 3D Modell vun enger Persoun aus engem oder méi zweedimensionalen Biller ze bauen. De System erlaabt Iech komplex Kleedungsoptiounen ze kreéieren, wéi pléckéiert Röcke an Fersen, a verschidde Frisuren, onofhängeg d'Textur a Form restauréiert an Gebidder, déi net sichtbar sinn an der Projektioun, aus deem den 3D Modell gebaut ass. Fir d'Qualitéit an d'Detailer vum finalen 3D-Modell ze erhéijen, kënne verschidde Biller aus verschiddene Winkele benotzt ginn. De Projet Code gëtt am Python geschriwwe mam PyTorch Kader an ënner der MIT Lizenz.
En neuralt Netzwierk gëtt als Quell benotzt fir en dreidimensionalen Layout ze rekonstruéieren, wat Iech erlaabt déi wahrscheinlechst Form ze wielen an verstoppt Elementer ze erfannen, ugefaange vun engem Modell, deen op verschidde Versioune vun existente Objeten trainéiert ass. Parallel liwwert de Projet en Algorithmus fir de resultéierende volumetresche Layout mat Texturen an de geliwwert 2D Biller ze passen, wat d'Pixel vum 3D Bild no hirer Positioun um XNUMXD Objet alignéiert an déi wahrscheinlech fehlend Texturen generéiert. All Bild kann kodéiert ginn , fir
Uewerfläch Rekonstruktioun applizéiert Architektur "", an
Architektur-baséiert neuralt Netzwierk gëtt fir Texturmatching benotzt .
De prett-feieren trainéiert Modell vun de Fuerscher benotzt ass verfügbar fir gratis erofzelueden, awer déi réi Donnéeën, déi fir Training benotzt ginn, bleiwen privat well se op kommerziellen 3D Scans baséieren. Kann als Quell fir Selbsttraining vum Modell benotzt ginn Leit aus dem Projet Renderpeople.
Source: opennet.ru