Deep 3D Portrait from a Single Image
* paper
* github
В работе использован алгоритм реконструкции лица из другой работы майкрософта 2х-летней давности, при этом реконструкция дополнена восстановлением прически и ушей за счет использования нейронки, предсказывающей глубину сегментированной области (волос и ушей).
#single_image #face_reconstruction #face #depth
* paper
* github
В работе использован алгоритм реконструкции лица из другой работы майкрософта 2х-летней давности, при этом реконструкция дополнена восстановлением прически и ушей за счет использования нейронки, предсказывающей глубину сегментированной области (волос и ушей).
#single_image #face_reconstruction #face #depth
Forwarded from эйай ньюз
читать_названия_файлов_это_нечестно.gif
14.9 MB
Смотрите какая няша. 3D реконструкция из 2D изображений с помощью GAN. Обучается без учителя. Подано на ICLR 2021.
А еще можно менять освещение!
Статья
А еще можно менять освещение!
Статья
Сегодня играли с коллегами в "Among us" 👻, это оказалось очень классной идеей. Игра похожа на мафию. При этом экшн происходит постоянно, не даёт скучать. Хороший пример того как можно по-новому взглянуть на популярные и чуть подзабытые игры.
* Линк на гуглплей
* Линк на стим
* Линк на гуглплей
* Линк на стим
* paper
* супер видос короткий без смс
В результате ночного залипания на artstation была найдена вот эта замечательная работа, использующая style-gan для генерации 3д лиц с albedo, displacement maps и возможностью сделать super-resolution меша в используемой топологии (топология здесь — соответствие вершин и их номеров). Текстуры и альбедо можно генерить в размерности 4k.
Меши проецируются в 2D представление, которое подается в ган.
Независимо от identity меша предсказывается также face expression меш.
Из возможных применений — регистрация скана лица в топологию гана. Как это делается — с помощью лэндмарок исходный скан проецируется в 2D, далее в латентном пространстве генератора ищется энкодинг наиболее близкий к данному. Очень хитро придумано. Демонстрируется, что такое нелинейное представление меша помогает лучше заврапить скан, чем существующие популярные линейные морфологические модели.
Уверена что в будущем авторы дотянут модель и до восстановления меша по одной картинке.
#3d #gan #face
* супер видос короткий без смс
В результате ночного залипания на artstation была найдена вот эта замечательная работа, использующая style-gan для генерации 3д лиц с albedo, displacement maps и возможностью сделать super-resolution меша в используемой топологии (топология здесь — соответствие вершин и их номеров). Текстуры и альбедо можно генерить в размерности 4k.
Меши проецируются в 2D представление, которое подается в ган.
Независимо от identity меша предсказывается также face expression меш.
Из возможных применений — регистрация скана лица в топологию гана. Как это делается — с помощью лэндмарок исходный скан проецируется в 2D, далее в латентном пространстве генератора ищется энкодинг наиболее близкий к данному. Очень хитро придумано. Демонстрируется, что такое нелинейное представление меша помогает лучше заврапить скан, чем существующие популярные линейные морфологические модели.
Уверена что в будущем авторы дотянут модель и до восстановления меша по одной картинке.
#3d #gan #face
echoinside
https://arxiv.org/pdf/2010.05334.pdf #gan
Заменила последние слои генератора FFHQ1024 (StyleGAN2-ada) на последние слои своей модели, которая генерирует биопанк картинки. Вышло что-то похожее на грустный стайл трансфер.
Идея из вон той статьи про toonify yourself.
Заменяла слои с разрешением 512 и 1024.
Идея из вон той статьи про toonify yourself.
Заменяла слои с разрешением 512 и 1024.
Сделала то же самое с моделью MetFaces 1024. Только на этот раз заменила также слои в FFHQ модели разрешением 256 на слои MetFaces.
Кажется что домены должны быть весьма близкими у двух нейронок, чтобы это хорошо работало.
Кажется что домены должны быть весьма близкими у двух нейронок, чтобы это хорошо работало.
Forwarded from Neurohive
Torch-Points3D — это опенсорсный модульный фреймворк для обучения нейросетевых моделей на 3D облаках точек. Torch-Points3D имеет функционал для решения таких задач, как классификация, сегментация, распознавание объектов, регистрация облаков точек, заполнение и другие. Доступные архитектуры нейросетевых моделей включают в себя PointNet, PointNet++, PointCNN, RSConv, VoteNet и PPNet. Среди доступных датасетов — Scannet, S3DIS, Shapenet, SemanticKitty, 3DMatch, ModelNet и Kitty Odometry.