Dies ist die Linux-App namens Mesh R-CNN, deren neueste Version als meshrcnnsourcecode.tar.gz heruntergeladen werden kann. Sie kann online beim kostenlosen Hosting-Anbieter OnWorks für Workstations ausgeführt werden.
Laden Sie diese App namens Mesh R-CNN mit OnWorks kostenlos herunter und führen Sie sie online aus.
Befolgen Sie diese Anweisungen, um diese App auszuführen:
- 1. Diese Anwendung auf Ihren PC heruntergeladen.
- 2. Geben Sie in unserem Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX den gewünschten Benutzernamen ein.
- 3. Laden Sie diese Anwendung in einem solchen Dateimanager hoch.
- 4. Starten Sie den OnWorks Linux-Online- oder Windows-Online-Emulator oder den MACOS-Online-Emulator von dieser Website.
- 5. Rufen Sie vom gerade gestarteten OnWorks Linux-Betriebssystem aus unseren Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX mit dem gewünschten Benutzernamen auf.
- 6. Laden Sie die Anwendung herunter, installieren Sie sie und führen Sie sie aus.
SCREENSHOTS
Ad
Mesh R-CNN
BESCHREIBUNG
Mesh R-CNN ist ein von Facebook Research entwickeltes Framework für 3D-Rekonstruktion und Objektverständnis, das Mask R-CNN auf den 3D-Bereich erweitert. Mesh R-CNN basiert auf Detectron2 und PyTorch3D und ermöglicht eine durchgängige 3D-Mesh-Vorhersage direkt aus einzelnen RGB-Bildern. Das Modell lernt, detaillierte 3D-Mesh-Darstellungen von Objekten in natürlichen Bildern zu erkennen, zu segmentieren und zu rekonstruieren und schließt so die Lücke zwischen 2D-Wahrnehmung und 3D-Verständnis. Anders als voxel- oder punktbasierte Ansätze verwendet Mesh R-CNN eine differenzierbare Mesh-Darstellung, wodurch die Oberflächengeometrie effizient verfeinert und gleichzeitig ein hoher räumlicher Detailreichtum beibehalten werden kann. Das System kombiniert die 2D-Erkennung von Mask R-CNN mit 3D-Reasoning-Modulen, die vollständige, am Eingabebild ausgerichtete Mesh-Rekonstruktionen ausgeben. Es wurde anhand von Datensätzen wie Pix3D evaluiert und zeigt dort modernste Leistung bei der Rekonstruktion der Geometrie realer Objekte.
Eigenschaften
- Erweitert Mask R-CNN, um die 3D-Netzrekonstruktion aus Bildern zu ermöglichen
- Basierend auf Detectron2 (für 2D-Vision) und PyTorch3D (für 3D-Operationen)
- Prognostiziert detaillierte 3D-Oberflächennetze anstelle von Voxeln oder Punktwolken
- End-to-End-differenzierbares Framework für gemeinsames 2D-3D-Denken
- Vortrainiertes Modell für den Pix3D-Datensatz verfügbar
- Unterstützt Demo-Visualisierung und einfache Integration mit Detectron2-Pipelines
Programmiersprache
Python, Unix-Shell
Kategorien
Diese Anwendung kann auch von https://sourceforge.net/projects/mesh-r-cnn.mirror/ heruntergeladen werden. Sie wurde in OnWorks gehostet, um sie auf einfachste Weise online von einem unserer kostenlosen Betriebssysteme aus ausführen zu können.
