En grupp forskare frÄn flera amerikanska universitet har publicerat ett projekt (Pixel-Aligned Implicit Function), som möjliggör tillÀmpningen av maskininlÀrningsmetoder för att skapa en 3D-modell av en mÀnniska baserat pÄ en eller flera 2D-bilder. Systemet kan Äterskapa komplexa klÀdesvarianter, sÄsom plisserade kjolar och högklackade skor, samt olika frisyrer, genom att sjÀlvstÀndigt ÄterstÀlla textur och form i omrÄden som Àr osynliga i den projektion som anvÀnds för att skapa 3D-modellen. För att öka kvaliteten och detaljnivÄn i den slutgiltiga 3D-modellen kan flera bilder tas frÄn olika vinklar. licensieras under MIT.
Som kÀlla för rekonstruktion av den volymetriska modellen anvÀnds ett neuralt nÀtverk som kan vÀlja den mest sannolika formen och fylla i dolda element baserat pÄ en modell som har trÀnats pÄ olika versioner av existerande objekt. Samtidigt tillhandahÄller projektet en algoritm för att matcha den erhÄllna volymetriska modellen med texturer frÄn de tillhandahÄllna 2D-bilderna, vilket justerar pixelarna i 2D-bilden enligt deras position pÄ 3D-objektet och genererar de mest sannolika saknade texturerna. Valfri , för
har anvÀnt arkitekturen "" och
för matchning av texturer anvÀnds ett neuralt nÀtverk baserat pÄ arkitekturen .
Den fÀrdigtrÀnade modellen som forskarna anvÀnde Àr fritt tillgÀnglig för nedladdning, men de ursprungliga data som trÀningen baserades pÄ förblir stÀngda, eftersom de grundas pÄ resultat frÄn kommersiell 3D-skanning. Som kÀlla för sjÀlvstÀndig trÀning av modellen kan man anvÀnda av mÀnniskor frÄn projektet Renderpeople.
KĂ€lla: opennet.ru
