AI

La nueva herramienta de inteligencia artificial de Facebook transforma imágenes 2D en modelos 3D

La nueva herramienta de inteligencia artificial de Facebook transforma imágenes 2D en modelos 3D


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.

Cuando se trata de la estimación de modelos 3D a partir de fuentes 2D, nos encontramos con una esquina debido a un conflicto entre capacidad de memoria y exactitud. Necesitamos una cantidad sostenible de flujo de datos para mantener un contexto elevado para nuestras máquinas, mientras que la alta resolución es necesaria para obtener representaciones precisas con redes neuronales. Hasta ahora, las aplicaciones en este campo favorecieron las entradas de baja resolución para cubrir más terreno en general. Este estudio nos da un salto hacia un acogedor término medio.

Facebook Research aborda este problema mediante la adopción de un sistema de análisis de varias capas. Un análisis crudo toma la imagen completa, enfocándose en el razonamiento general de qué es y dónde. Un segundo nivel toma los datos de salida de aquí para usarlos como una hoja de ruta y reúne una geometría más detallada con la ayuda de imágenes de mayor resolución.

VEA TAMBIÉN: ¿QUÉ ES EL APRENDIZAJE PROFUNDO Y POR QUÉ ES MÁS RELEVANTE QUE NUNCA?

Esta investigación no es el único esfuerzo en este campo. La digitalización humana puede abrir la puerta a muchas posibilidades para una variedad de áreas, como imagenes medicas a la realidad virtual a simplemente una representación de emoji 3D personalizada. Hasta el día de hoy, esta tecnología estaba limitada para el público en general debido a limitaciones como la necesidad de múltiples cámaras y estrictos requisitos de iluminación. El equipo de investigación de Facebook tiene como objetivo lograr un sistema de representación altamente flexible que pueda mantener una alta fidelidad cuando se trata de detalles como pliegues en la ropa, dedos y matices en rasgos faciales.

La tecnología previamente existente

Un ejemplo notable, SCAPE, publicado en 2005, Stanford empleó mallas pre-modeladas sobre entradas de imagen para producir renderizados 3D. Si bien estos aparecen detallados por sí mismos, no representó fielmente lo que estaban modelando. En este proyecto, sin embargo, no se impone geometría 3D sobre las imágenes, en cambio, el contexto geométrico se aplica a niveles superiores sin hacer suposiciones prematuras. Es decir, desde la entrada aproximada hasta el análisis detallado, los detalles faltantes se implementan de forma incremental y la determinación final de las propiedades geométricas del modelo solo se realiza en el nivel final.

La parte de atrás

¿Pero qué hay de la parte trasera? Permanece inadvertido en una reconstrucción de una sola imagen. La falta de información seguramente significaría estimaciones borrosas a tope y espalda, ¿verdad? Bueno, el equipo superó este problema determinando las normales de la parte trasera, como lo expresaron: "Superamos este problema aprovechando redes de traducción de imagen a imagen para producir normales traseras. Acondicionar nuestra inferencia de forma alineada con píxeles de varios niveles con la superficie posterior inferida normal elimina la ambigüedad y mejora significativamente la calidad de percepción de nuestras reconstrucciones con un nivel de detalle más consistente ".

Si está interesado, dejaron fuera un kit de autoevaluación en Google Colab, aunque para ser justos, requiere una cierta cantidad de destreza tecnológica y una comprensión básica de entornos de programación correr.


Ver el vídeo: 18 TENDENCIAS de DISEÑO 2021 + PDF GRATIS! . El del DISEÑO INDUSTRIAL (Junio 2022).


Comentarios:

  1. Groran

    Estas equivocado. Estoy seguro. Puedo defender mi posición. Envíeme un correo electrónico a PM, discutiremos.

  2. Vokora

    Lees esto y piensas...

  3. Tahn

    De nada. Lo sé.

  4. Garry

    Es una lástima para mí, no puedo ayudar a nada, pero está seguro de que para usted ayudará a encontrar la decisión correcta. No se desesperen.

  5. Bami

    Curiosamente, pero no está claro

  6. Conleth

    Tú la persona abstracta

  7. Lex

    Mensaje autorizado :), curioso ...



Escribe un mensaje