来自美国几所大学的一组研究人员发表了一个项目
神经网络用作重建三维布局的源,它允许您从在现有对象的各种版本上训练的模型开始,选择最可能的形状并发明隐藏元素。 同时,该项目提供了一种算法,用于将生成的体积布局与所提供的 2D 图像中的纹理进行匹配,该算法根据 3D 图像的像素在 XNUMXD 对象上的位置对齐它们,并生成最可能丢失的纹理。 任何图像都可以编码
表面重建应用建筑》
基于架构的神经网络用于纹理匹配
研究人员使用的现成训练模型
来源: opennet.ru
来自美国几所大学的一组研究人员发表了一个项目
神经网络用作重建三维布局的源,它允许您从在现有对象的各种版本上训练的模型开始,选择最可能的形状并发明隐藏元素。 同时,该项目提供了一种算法,用于将生成的体积布局与所提供的 2D 图像中的纹理进行匹配,该算法根据 3D 图像的像素在 XNUMXD 对象上的位置对齐它们,并生成最可能丢失的纹理。 任何图像都可以编码
表面重建应用建筑》
基于架构的神经网络用于纹理匹配
研究人员使用的现成训练模型
来源: opennet.ru