AI

Facebook-ov novi AI alat pretvara 2D sliku u 3D modele

Facebook-ov novi AI alat pretvara 2D sliku u 3D modele



We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Kada je riječ o procjeni 3D modela iz 2D izvora, nailazimo na ćošak zbog sukoba između kapacitet memorije i tačnost. Potrebna nam je održiva količina protoka podataka da bismo održali visok kontekst za naše mašine, dok je visoka rezolucija neophodna za precizne rendere sa neuronskim mrežama. Do sada su aplikacije u ovom polju favorizirale ulaze niske rezolucije kako bi pokrile više terena u cjelini. Ova studija vodi nas korak unaprijed do ugodne sredine.

Facebook Research rješava ovaj problem usvajanjem višeslojnog sistema analize. Gruba analiza uzima cijelu sliku, usredotočujući se na svestrano razmišljanje o tome što je gdje. Drugi nivo uzima izlazne podatke odavde za upotrebu kao putokaz i sastavlja a detaljnija geometrija uz pomoć slika veće rezolucije.

VIDI TAKOĐE: ŠTA JE DUBOKO UČENJE I ZAŠTO JE TO VEĆE OD NIKADA?

Ovo istraživanje nije jedini poduhvat na ovom polju. Ljudska digitalizacija može otvoriti vrata mnogim mogućnostima u raznim oblastima kao što su medicinsko snimanje u virtualnu stvarnost na jednostavno prilagođeno 3D prikazivanje emojija. Do danas je ova tehnologija bila ograničena za širu javnost zbog ograničenja poput potrebe za višestrukim kamerama i strogih zahtjeva za osvjetljenjem. Tim u istraživanju Facebooka želi postići izuzetno fleksibilan sistem prikazivanja koji može održavati visoku vjernost kada su u pitanju detalji poput nabori u odjeći, prsti i nijanse u crte lica.

Ranije postojeća tehnologija

Značajan primjer, SCAPE, objavljen 2005. godine, zaposlio je Stanford unaprijed modelirane mreže preko ulaza slike za izradu 3D prikaza. Iako se izgledaju sami po sebi detaljni, oni to čine nije vjerno zastupao šta su modelirali. U ovom projektu, međutim, ne nameće se 3D geometrija na slike se umjesto toga geometrijski kontekst primjenjuje na višim nivoima bez preuranjenih pretpostavki. Znači, od grubog unosa do detaljne analize, detalji koji nedostaju postupno se primjenjuju, a konačno utvrđivanje geometrijskih svojstava modela vrši se tek na konačnom nivou.

Stražnja strana

Ali šta je sa zadnjom stranom? Ostaje neprimjećen u rekonstrukciji jedne slike. Nedostajanje informacija sigurno bi značilo mutne procjene kundaka i leđa, zar ne? Pa, tim je prevladao ovo pitanje određivanjem stražnjih normala, kako su rekli: "Ovaj problem prevladavamo koristeći utjecaj mreže za prevođenje slika u sliku da se proizvedu normalne stvari sa zadnje strane Uslovljavanjem našeg zaključka oblika poravnatog na više nivoa u skladu sa izvedenom normalnom površinom stražnje strane uklanja se dvosmislenost i značajno poboljšava perceptivni kvalitet naših rekonstrukcija uz dosljedniji nivo detalja. "

Ako ste zainteresirani, izostavili su komplet za samoispitivanje u Google Colabu, iako je radi poštenosti potreban određeni iznos tehnološka pamet i osnovno razumijevanje programska okruženja trčati.


Pogledajte video: Sculpting Disney characters is THIS EASY? (Avgust 2022).