來自美國幾所大學的一組研究人員發表了一個項目
神經網路用作重建三維佈局的來源,它允許您從在現有物件的各種版本上訓練的模型開始,選擇最可能的形狀並發明隱藏元素。 同時,該專案提供了一種演算法,用於將生成的體積佈局與所提供的2D 影像中的紋理進行匹配,該演算法根據3D 影像的像素在XNUMXD 物件上的位置對齊它們,並產生最可能丟失的紋理。 任何圖像都可以編碼
表面重建應用建築》
基於架構的神經網路用於紋理匹配
研究人員使用的現成訓練模型
來源: opennet.ru
來自美國幾所大學的一組研究人員發表了一個項目
神經網路用作重建三維佈局的來源,它允許您從在現有物件的各種版本上訓練的模型開始,選擇最可能的形狀並發明隱藏元素。 同時,該專案提供了一種演算法,用於將生成的體積佈局與所提供的2D 影像中的紋理進行匹配,該演算法根據3D 影像的像素在XNUMXD 物件上的位置對齊它們,並產生最可能丟失的紋理。 任何圖像都可以編碼
表面重建應用建築》
基於架構的神經網路用於紋理匹配
研究人員使用的現成訓練模型
來源: opennet.ru