从单个2D图像生成3D模型而无需渲染的有效损失函数
|
诺维萨德大学剑桥大学
引文
如果您发现此代码对您的研究有用，请引用我们的论文。
@article{zubic2021effective,
title={An Effective Loss Function for Generating 3D Models from Single 2D Image without Rendering},
author={Zubi{\'c}, Nikola and Li{\`o}, Pietro},
journal={arXiv preprint arXiv:2103.03390},
year={2021}
}
先决条件
下载代码： Git使用以下命令克隆代码：
git clone https://github.com/NikolaZubic/2dimageto3dmodel.git
2021-09-16 14:21:40
169.98MB
1
OctNet使用有效的空间分区结构（即八叉树）来减少内存和计算3D卷积神经网络的需求，从而实现高分辨率的深度学习。
这是本文的代码：
， 和
我们展示了OctNet，它是稀疏3D数据的深度学习表示。 与现有模型相比，我们的表示支持深度和高分辨率的3D卷积网络。 为了实现这一目标，我们利用输入数据中的稀疏性，使用一组不平衡的八叉树来对空间进行分层划分，其中每个叶节点都存储一个池化的要素表示。 这样可以将内存分配和计算集中到相关的密集区域，并在不影响分辨率的情况下实现更深的网络。 通过分析分辨率对几个3D任务的影响，包括3D对象分类，方向估计和点云标记，我们演示了OctNet表示的实用性
2021-09-07 16:47:43
640KB
1
obj转化为obb(oriented bounding box)
obj转化为体素
obj转化为点云
体素转化为obb
体素转化为mesh
体素转化为点云
2021-01-28 04:57:05
26KB
1