PIFu ແມ່ນລະບົບການຮຽນຮູ້ເຄື່ອງຈັກສຳລັບການສ້າງຕົວແບບ 3 ມິຕິຂອງບຸກຄົນໂດຍອີງໃສ່ຮູບ 2 ມິຕິ

ກຸ່ມນັກຄົ້ນຄ້ວາຈາກມະຫາວິທະຍາໄລອາເມລິກາຫຼາຍແຫ່ງໄດ້ເຜີຍແຜ່ໂຄງການ PIFu (Pixel-Aligned Implicit Function), ເຊິ່ງອະນຸຍາດໃຫ້ທ່ານນໍາໃຊ້ວິທີການການຮຽນຮູ້ເຄື່ອງຈັກເພື່ອສ້າງຕົວແບບ 3D ຂອງບຸກຄົນຈາກຫນຶ່ງຫຼືຫຼາຍຮູບສອງມິຕິ. ລະບົບອະນຸຍາດໃຫ້ທ່ານສ້າງທາງເລືອກເຄື່ອງນຸ່ງທີ່ຊັບຊ້ອນ, ເຊັ່ນສິ້ນ pleated ແລະ heels, ແລະ hairstyles ຕ່າງໆ, ເປັນເອກະລາດການຟື້ນຟູໂຄງສ້າງແລະຮູບຮ່າງໃນພື້ນທີ່ທີ່ເບິ່ງບໍ່ເຫັນໃນການຄາດຄະເນຈາກຮູບແບບ 3D ຖືກສ້າງຂຶ້ນ. ເພື່ອເພີ່ມຄຸນນະພາບແລະລາຍລະອຽດຂອງຮູບແບບ 3D ສຸດທ້າຍ, ຮູບພາບຫຼາຍຮູບຈາກມຸມທີ່ແຕກຕ່າງກັນສາມາດນໍາໃຊ້ໄດ້. ລະຫັດໂຄງການແມ່ນຂຽນໃນ Python ໂດຍໃຊ້ກອບ PyTorch ແລະ ແຈກຢາຍໂດຍ ພາຍໃຕ້ໃບອະນຸຍາດ MIT.

ເຄືອຂ່າຍ neural ຖືກນໍາໃຊ້ເປັນແຫຼ່ງສໍາລັບການສ້າງໂຄງສ້າງສາມມິຕິຄືນໃຫມ່, ເຊິ່ງຊ່ວຍໃຫ້ທ່ານສາມາດເລືອກຮູບຮ່າງທີ່ເປັນໄປໄດ້ແລະປະດິດອົງປະກອບທີ່ເຊື່ອງໄວ້, ເລີ່ມຕົ້ນຈາກແບບຈໍາລອງທີ່ໄດ້ຮັບການຝຶກອົບຮົມໃນຫຼາຍໆຮຸ່ນຂອງວັດຖຸທີ່ມີຢູ່. ໃນຂະຫນານ, ໂຄງການສະຫນອງສູດການຄິດໄລ່ສໍາລັບການຈັບຄູ່ຮູບແບບ volumetric ຜົນໄດ້ຮັບກັບໂຄງສ້າງໃນຮູບພາບ 2D ທີ່ສະຫນອງໃຫ້, ເຊິ່ງຈັດລຽງ pixels ຂອງຮູບພາບ 3D ຕາມຕໍາແຫນ່ງຂອງເຂົາເຈົ້າກ່ຽວກັບວັດຖຸ XNUMXD ແລະສ້າງໂຄງສ້າງທີ່ຂາດຫາຍໄປຫຼາຍທີ່ສຸດ. ຮູບໃດສາມາດເຂົ້າລະຫັດໄດ້ ເຄືອຂ່າຍ neural convolutionalສຳ ລັບ
ສະຖາປັດຕະຍະ ກຳ ທີ່ ນຳ ໃຊ້ການຟື້ນຟູພື້ນຜິວ "ແກ້ວໂມງຊ້ອນກັນ", ກ
ເຄືອຂ່າຍ neural ທີ່ອີງໃສ່ສະຖາປັດຕະຍະກໍາແມ່ນໃຊ້ສໍາລັບການຈັບຄູ່ໂຄງສ້າງ CycleGAN.

ຮູບແບບການຝຶກອົບຮົມທີ່ກຽມພ້ອມທີ່ໃຊ້ໂດຍນັກຄົ້ນຄວ້າ ມີ ມີໃຫ້ດາວໂຫຼດໄດ້ຟຣີ, ແຕ່ຂໍ້ມູນດິບທີ່ໃຊ້ໃນການຝຶກອົບຮົມຍັງຄົງເປັນສ່ວນຕົວເນື່ອງຈາກມັນອີງໃສ່ການສະແກນ 3D ທາງດ້ານການຄ້າ. ສາມາດນໍາໃຊ້ເປັນແຫຼ່ງສໍາລັບການຝຶກອົບຮົມຕົນເອງຂອງຕົວແບບ ຖານຂໍ້ມູນຕົວແບບ 3D ຄົນຈາກໂຄງການ Renderpeople.

ແຫຼ່ງຂໍ້ມູນ: opennet.ru