This media is not supported in your browser
VIEW IN TELEGRAM
Иногда лампа моргает, если чувстует присутствие человека рядом.
За идею интерактивности спасибо @al42and
За идею интерактивности спасибо @al42and
* project page
* code
Есть код для генерации датасета (тени синтетические), нет кода для обучения модели, как и самой модели. Но уже что-то.
#face #single_image
* code
Есть код для генерации датасета (тени синтетические), нет кода для обучения модели, как и самой модели. Но уже что-то.
#face #single_image
Learning Gradient Fields for Shape Generation
* github
* paper
In this work, we propose a novel technique to generate shapes from point cloud data. A point cloud can be viewed as samples from a distribution of 3D points whose density is concentrated near the surface of the shape. Point cloud generation thus amounts to moving randomly sampled points to high-density areas. We generate point clouds by performing stochastic gradient ascent on an unnormalized probability density, thereby moving sampled points toward the high-likelihood regions. Our model directly predicts the gradient of the log density field and can be trained with a simple objective adapted from score-based generative models. We show that our method can reach state-of-the-art performance for point cloud auto-encoding and generation, while also allowing for extraction of a high-quality implicit surface.
#3d #generative
* github
* paper
In this work, we propose a novel technique to generate shapes from point cloud data. A point cloud can be viewed as samples from a distribution of 3D points whose density is concentrated near the surface of the shape. Point cloud generation thus amounts to moving randomly sampled points to high-density areas. We generate point clouds by performing stochastic gradient ascent on an unnormalized probability density, thereby moving sampled points toward the high-likelihood regions. Our model directly predicts the gradient of the log density field and can be trained with a simple objective adapted from score-based generative models. We show that our method can reach state-of-the-art performance for point cloud auto-encoding and generation, while also allowing for extraction of a high-quality implicit surface.
#3d #generative
GitHub
GitHub - RuojinCai/ShapeGF: Learning Gradient Fields for Shape Generation
Learning Gradient Fields for Shape Generation. Contribute to RuojinCai/ShapeGF development by creating an account on GitHub.
https://www.youtube.com/watch?v=DVvmgjBL74w
Презентация Neuralink от Илона Маска, где все в масках, кроме Илона.
Будущее уже здесь — можно вживлять электроды в мозг с помощью робота и это не занимает много времени, а также не требует общей анестезии. Устройство позволяет считывать сигналы мозга и предсказывать по ним положение конечностей с неплохой точностью (не идеальной, конечно).
Презентация прошла с live демонстрацией на свиньях.
Однако пока что у меня не возникло желания быть среди первых пользователей устройства.
Может быть Илон и его команда научатся стимулировать активность нейронов так, что научиться играть на фортепьяно станет возможным за 5 минут.
Но как Илон подчеркнул, цель данной презентации во многом в том, чтобы найти людей, способных внести вклад в разработку продукта.
Презентация Neuralink от Илона Маска, где все в масках, кроме Илона.
Будущее уже здесь — можно вживлять электроды в мозг с помощью робота и это не занимает много времени, а также не требует общей анестезии. Устройство позволяет считывать сигналы мозга и предсказывать по ним положение конечностей с неплохой точностью (не идеальной, конечно).
Презентация прошла с live демонстрацией на свиньях.
Однако пока что у меня не возникло желания быть среди первых пользователей устройства.
Может быть Илон и его команда научатся стимулировать активность нейронов так, что научиться играть на фортепьяно станет возможным за 5 минут.
Но как Илон подчеркнул, цель данной презентации во многом в том, чтобы найти людей, способных внести вклад в разработку продукта.
YouTube
Neuralink Progress Update, Summer 2020
The latest from the forefront of neural engineering.
Facebook’s Prototype Photoreal Avatars No Longer Require Face Tracking
https://youtu.be/OK_BIQPiCEk
https://uploadvr.com/frl-codec-avatars-without-face-tracking/
Training the model requires a multi-camera 3D capture setup with 45 minutes of unique data for each test user. When first shown in 2018, Codec Avatars were described by Facebook as “years away”. While this new research makes the hardware needed to drive avatars more practical, it still doesn’t solve the core issues of generating the avatar in the first place.
#avatars
https://youtu.be/OK_BIQPiCEk
https://uploadvr.com/frl-codec-avatars-without-face-tracking/
Training the model requires a multi-camera 3D capture setup with 45 minutes of unique data for each test user. When first shown in 2018, Codec Avatars were described by Facebook as “years away”. While this new research makes the hardware needed to drive avatars more practical, it still doesn’t solve the core issues of generating the avatar in the first place.
#avatars
YouTube
Facebook's Prototype Photoreal Avatars No Longer Need Face Tracking Cameras
Facebook's photorealistic avatars have come a long way.
Subscribe for the latest VR trailers & clips: https://www.youtube.com/c/VRTrailersClips?sub_confirmation=1
Subscribe for the latest VR trailers & clips: https://www.youtube.com/c/VRTrailersClips?sub_confirmation=1
FaceScape: a Large-scale High Quality 3D Face Dataset and Detailed Riggable 3D Face Prediction
- github
- paper
- project site
- Model example
Features
1. Topologically uniformed.
The geometric models of different identities and different expressions share the same mesh topology, which makes the features on faces easy to be aligned. This also helps in building a 3D morphable model.
2. Displacement map + base mesh.
3. 20 specific expressions.
4. High resolution.
The texture maps and displacement maps reach 4K resolution, which preserving maximum detailed texture and geometry.
#dataset
- github
- paper
- project site
- Model example
Features
1. Topologically uniformed.
The geometric models of different identities and different expressions share the same mesh topology, which makes the features on faces easy to be aligned. This also helps in building a 3D morphable model.
2. Displacement map + base mesh.
3. 20 specific expressions.
4. High resolution.
The texture maps and displacement maps reach 4K resolution, which preserving maximum detailed texture and geometry.
#dataset
https://3dgv.github.io/
3DGV is a virtual seminar series on Geometry Processing and 3D Computer Vision. Seminars take place every Wednesday, cycling through three different time zones (Europe, America, and Asia). We show seminar hours in six different time zones in the following table.
* Youtube
Другие семинары на ютуб на около 3D DL тему
* Matthias Niessner (Technical University of Munich, Visual Computing Lab)
* Vision Seminar MIT
* SU Lab UC San Diego
У последних мне очень понравилась вот эта лекция, которая является неплохим введением в тему 3D DL, а также освещает наиболее значимые работы в классификации, сегментации и генерации 3д объектов.
#seminar #courses
3DGV is a virtual seminar series on Geometry Processing and 3D Computer Vision. Seminars take place every Wednesday, cycling through three different time zones (Europe, America, and Asia). We show seminar hours in six different time zones in the following table.
* Youtube
Другие семинары на ютуб на около 3D DL тему
* Matthias Niessner (Technical University of Munich, Visual Computing Lab)
* Vision Seminar MIT
* SU Lab UC San Diego
У последних мне очень понравилась вот эта лекция, которая является неплохим введением в тему 3D DL, а также освещает наиболее значимые работы в классификации, сегментации и генерации 3д объектов.
#seminar #courses
* https://youtu.be/nkHL1GNU18M
* Very similar video with explanations
https://www.youtube.com/watch?v=0t4aKJuKP0Q
* Very similar video with explanations
https://www.youtube.com/watch?v=0t4aKJuKP0Q
YouTube
Physics in 4 Dimensions…How?
❤️ Check out Weights & Biases and sign up for a free demo here: https://www.wandb.com/papers
❤️ Their mentioned post is available here: https://www.wandb.com/articles/how-to-visualize-models-in-tensorboard-with-weights-and-biases
📝 The paper "N-Dimensional…
❤️ Their mentioned post is available here: https://www.wandb.com/articles/how-to-visualize-models-in-tensorboard-with-weights-and-biases
📝 The paper "N-Dimensional…
Forwarded from PHYGITAL+ART (Oleg Yusupov)
Полезные два сайта для всех, кто интересуется темой AI + искусство
1. https://creative-ai.org - здесь вы найдете большое количество сервисов, доступных для использования без навыков ML
2. https://aiartists.org - большое коммьюнити AI художников для вдохновения
На картине изображена работа Дмитрия Черняка gen2GAN, одна из моих любимых картин совмещающая подходы генеративного искусства и нейронных сетей (в данном случае GAN-нейросети)
1. https://creative-ai.org - здесь вы найдете большое количество сервисов, доступных для использования без навыков ML
2. https://aiartists.org - большое коммьюнити AI художников для вдохновения
На картине изображена работа Дмитрия Черняка gen2GAN, одна из моих любимых картин совмещающая подходы генеративного искусства и нейронных сетей (в данном случае GAN-нейросети)