Как стать автором
Обновить

Исследователи представили метод DG-Mesh для генерации высококачественных полигональных сеток из видео

Время на прочтение2 мин
Количество просмотров1.6K

Исследователи представили метод генерации высококачественных полигональных сеток из монокулярного видео. Для генерации сетки достаточно всего одного видео, а недостающие фрагменты нейросеть создаёт с помощью отслеживания вершин с течением времени.

Авторы метода Dynamic Gaussian Mesh (DG-Mesh) рассказали, что генерация полигональных сеток всё ещё остаётся сложной задачей для нейросетей. Если опытному 3D-художнику для создания сетки достаточно всего одного изображения для референса, то модели машинного обучения требуют серию снимков объекта со всех сторон. Генерация сеток усложняется в динамических сценах.

Метод DG-Mesh отслеживает вершины объекта на видео и реконструирует 3D-объект с помощью трёхмерного гауссова сплэтинга и дифференцируемых алгоритмов. Полученные модели можно быстро текстурировать, а сам метод эффективно использует память и позволяет напрямую оптимизировать полученные сетки.

Архитектура метода
Архитектура метода

На вход нейросеть получает видео объекта, выделяет из него целевой объект и генерирует для него 3D-сетку. Авторы проекта обучали нейросеть на роликах, которые записали на iPhone 14 Pro через приложение Record3D. После этого их обработали в RealityCheck и маскировали в DEVA. Также для локального обучения можно использовать датасеты D-NeRF, DG-Mesh, Nerfies и NeuralActor.

Пример работы метода
Пример работы метода

Для локального запуска необходимо установить следующие зависимости:

conda create -n dg-mesh python=3.9
conda activate dg-mesh
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

# Install nvdiffrast
pip install git+https://github.com/NVlabs/tiny-cuda-nn#subdirectory=bindings/torch
pip install git+https://github.com/NVlabs/nvdiffrast/

# Install pytorch3d
export FORCE_CUDA=1
conda install -c fvcore -c iopath -c conda-forge fvcore iopath -y
pip install "git+https://github.com/facebookresearch/pytorch3d.git"

# Clone this repository
git clone https://github.com/Isabella98Liu/DG-Mesh.git
cd DG-Mesh

# Install submodules
pip install dgmesh/submodules/diff-gaussian-rasterization
pip install dgmesh/submodules/simple-knn

# Install other dependencies
pip install -r requirements.txt

Исследователи поделились полным текстом своей работы и опубликовали код нейросети. Кроме того, в репозитории находятся ссылки на датасеты и рекомендации по обучению. Примеры работы метода DG-Mesh можно посмотреть на странице проекта.

Теги:
Хабы:
Если эта публикация вас вдохновила и вы хотите поддержать автора — не стесняйтесь нажать на кнопку
Всего голосов 4: ↑4 и ↓0+8
Комментарии6

Другие новости

Работа

Data Scientist
42 вакансии

Ближайшие события