来自美国几所大学的一组研究人员发表了一个项目 （像素对齐隐式函数），它允许您应用机器学习方法从一张或多张二维图像构建人的 3D 模型。 该系统允许您重新创建复杂的服装选项，例如百褶裙和高跟鞋以及各种发型，独立恢复构建 3D 模型的投影中不可见区域的纹理和形状。 为了提高最终 3D 模型的质量和细节，可以使用来自不同角度的多个图像。 项目代码使用 PyTorch 框架用 Python 编写， 在麻省理工学院的许可下。
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 为
表面重建应用建筑》“， 一种
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 可以免费下载，但用于训练的原始数据仍然保密，因为它基于商业 3D 扫描。 可用作模型自训练的来源 来自 Renderpeople 项目的人员。
来源： opennet.ru