Skupina raziskovalcev z več ameriških univerz je objavila projekt (Pixel-Aligned Implicit Function), ki omogoča uporabo metod strojnega učenja za izdelavo 3D modela osebe iz ene ali več dvodimenzionalnih slik. Sistem vam omogoča, da poustvarite zapletene možnosti oblačil, kot so nagubana krila in pete, ter različne pričeske, neodvisno obnovite teksturo in obliko na območjih, nevidnih v projekciji, iz katere je zgrajen 3D model. Za povečanje kakovosti in podrobnosti končnega 3D modela je mogoče uporabiti več slik iz različnih zornih kotov. Koda projekta je napisana v Pythonu z uporabo ogrodja PyTorch in pod licenco MIT.
Nevronska mreža se uporablja kot vir za rekonstrukcijo tridimenzionalne postavitve, ki vam omogoča, da izberete najverjetnejšo obliko in izumite skrite elemente, začenši z modelom, ki je treniran na različnih različicah obstoječih predmetov. Vzporedno projekt zagotavlja algoritem za ujemanje nastale volumetrične postavitve s teksturami v predloženih 2D slikah, ki poravna piksle 3D slike glede na njihov položaj na XNUMXD objektu in ustvari najverjetneje manjkajoče teksture. Vsako sliko je mogoče kodirati za
površinska rekonstrukcija uporabna arhitektura "", a
nevronska mreža, ki temelji na arhitekturi, se uporablja za ujemanje tekstur .
Pripravljen in usposobljen model, ki so ga uporabili raziskovalci je na voljo za brezplačen prenos, vendar neobdelani podatki, uporabljeni za usposabljanje, ostanejo zasebni, saj temeljijo na komercialnih 3D skeniranjih. Lahko se uporablja kot vir za samoizobraževanje modela ljudi iz projekta Renderpeople.
Vir: opennet.ru