د شانګهای تخنیکي پوهنتون د څیړونکو یوه ډله اوزار ، کوم چې د جامد عکسونو په کارولو سره د خلکو حرکتونو انډول کولو لپاره د ماشین زده کړې میتودونو کارولو ته اجازه ورکوي ، په بیله بیا د جامو ځای په ځای کول ، بل چاپیریال ته لیږدول او هغه زاویه بدلوي چې له کوم ځای څخه یو څیز لیدل کیږي. کوډ په Python کې لیکل شوی
د چوکاټ کارول . مجلس هم پکار دی او CUDA Toolkit.
اوزار کټ دوه اړخیز عکس د ان پټ په توګه ترلاسه کوي او د ټاکل شوي ماډل پراساس یوه بدله شوې پایله ترکیب کوي. د بدلون درې اختیارونه ملاتړ کیږي:
د حرکت کولو څیز رامینځته کول چې هغه حرکتونه تعقیبوي چې ماډل یې روزل شوی و. د ماډل څخه یو شی ته د ظاهري عناصرو لیږدول (د بیلګې په توګه، د جامو بدلون). د نوې زاویې تولید (د مثال په توګه، د بشپړ مخ عکس پر بنسټ د پروفایل عکس ترکیب). ټولې درې میتودونه یوځای کیدی شي، د بیلګې په توګه، تاسو کولی شئ د عکس څخه ویډیو تولید کړئ چې په مختلفو جامو کې د پیچلي اکروباټیک چال فعالیت سمبالوي.
د ترکیب پروسې په جریان کې ، په عکس کې د یو څیز غوره کولو عملیات او د ورک شوي شالید عناصرو رامینځته کول کله چې حرکت کوي په ورته وخت کې ترسره کیږي. د عصبي شبکې ماډل یو ځل روزل کیدی شي او د مختلف بدلونونو لپاره کارول کیدی شي. د بارولو لپاره چمتو شوي ماډلونه چې تاسو ته اجازه درکوي سمدستي د لومړني روزنې پرته وسیلې وکاروئ. د کار کولو لپاره لږترلږه 8GB د حافظې اندازه سره GPU ته اړتیا ده.
د بدلون د میتودونو برعکس چې د کلیدي ټکو لخوا د بدلون پراساس چې په دوه اړخیزه ځای کې د بدن موقعیت تشریح کوي، امپرسنټر هڅه کوي د ماشین زده کړې میتودونو په کارولو سره د بدن توضیحاتو سره درې اړخیز میش ترکیب کړي.
وړاندیز شوی میتود د شخصي بدن شکل او اوسني حالت په پام کې نیولو سره د لاسوهنې لپاره اجازه ورکوي، د غړو طبیعي حرکتونو انډول کول.
د بدلون پروسې په جریان کې د اصلي معلوماتو لکه جوړښت، سټایل، رنګونو او د مخ پیژندنې ساتلو لپاره، (). د سرچینې څیز په اړه معلومات او د هغې دقیق پیژندنې لپاره پیرامیټونه د غوښتنلیک په واسطه استخراج کیږي .
سرچینه: opennet.ru