This is the Windows app named PIFuHD whose latest release can be downloaded as pifuhdsourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
Laden Sie diese App namens PIFuHD 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 einen beliebigen OS OnWorks-Online-Emulator von dieser Website, aber einen besseren Windows-Online-Emulator.
- 5. Rufen Sie vom gerade gestarteten OnWorks Windows-Betriebssystem unseren Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX mit dem gewünschten Benutzernamen auf.
- 6. Laden Sie die Anwendung herunter und installieren Sie sie.
- 7. Laden Sie Wine aus den Software-Repositorys Ihrer Linux-Distributionen herunter. Nach der Installation können Sie dann auf die App doppelklicken, um sie mit Wine auszuführen. Sie können auch PlayOnLinux ausprobieren, eine schicke Schnittstelle über Wine, die Ihnen bei der Installation beliebter Windows-Programme und -Spiele hilft.
Wine ist eine Möglichkeit, Windows-Software unter Linux auszuführen, jedoch ohne Windows. Wine ist eine Open-Source-Windows-Kompatibilitätsschicht, die Windows-Programme direkt auf jedem Linux-Desktop ausführen kann. Im Wesentlichen versucht Wine, genügend Windows von Grund auf neu zu implementieren, damit alle diese Windows-Anwendungen ausgeführt werden können, ohne dass Windows tatsächlich benötigt wird.
SCREENSHOTS
Ad
PIFuHD
BESCHREIBUNG
PIFuHD (Pixel-Aligned Implicit Function for 3D human reconstruction at high resolution) ist eine Methode und Codebasis zur Rekonstruktion hochpräziser 3D-Menschennetze aus einem einzigen Bild. Es erweitert frühere PIFu-Arbeiten durch höhere Auflösung und Detailgenauigkeit und ermöglicht so die Darstellung feiner Geometrie in Stofffalten, Haaren und subtilen Oberflächenmerkmalen. Die Methode funktioniert durch das Erlernen einer impliziten Belegungs-/Oberflächenfunktion, die vom Bild und der Kameraprojektion abhängt; zum Inferenzzeitpunkt fragt sie dichte Punkte ab, um ein Netz über Marching Cubes zu rekonstruieren. Sie verwendet außerdem eine zweistufige Architektur: ein grobes globales Modell, gefolgt von lokalen Verfeinerungspatches zur Erfassung feiner Details, wobei globale Konsistenz und lokale Details ausgeglichen werden. Das Repo enthält Trainingspipelines, Dataset-Loader (für Multi-POP usw.) und Inferenzskripte für die Netzausgabe, einschließlich Tiefenkarten für die Nachbearbeitung. Zur Unterstützung der praktischen Anwendung gibt es Dienstprogramme für Normalschätzung, Texturrückprojektion, Netzbereinigung und Integration mit Rendering-Pipelines.
Eigenschaften
- Hochauflösende menschliche Netzrekonstruktion aus einem einzigen 2D-Bild
- Pixelgenaue implizite Funktionsdarstellung abhängig von der Bildprojektion
- Zweistufige Architektur für grobe globale und feine lokale Detailmodellierung
- Trainings- und Inferenzskripte mit Datenladern für menschliche Datensätze
- Dienstprogramme zur Netzextraktion (Marching Cubes), Normalen, Texturprojektion, Bereinigung
- Unterstützung für anspruchsvolle Fälle (dünne Teile, Falten, feine Geometrie)
Programmiersprache
Python
Kategorien
Diese Anwendung kann auch von https://sourceforge.net/projects/pifuhd.mirror/ heruntergeladen werden. Sie wurde in OnWorks gehostet, um sie auf einfachste Weise online von einem unserer kostenlosen Betriebssysteme aus ausführen zu können.
