これはMesh R-CNNというLinuxアプリで、最新リリースはmeshrcnnsourcecode.tar.gzとしてダウンロードできます。ワークステーション向けの無料ホスティングプロバイダーであるOnWorksでオンラインで実行できます。
Mesh R-CNN というアプリを OnWorks で無料でダウンロードしてオンラインで実行します。
このアプリを実行するには、次の手順に従ってください。
-1。このアプリケーションをPCにダウンロードしました。
--2。ファイルマネージャーhttps://www.onworks.net/myfiles.php?username=XXXXXに必要なユーザー名を入力します。
-3。このアプリケーションをそのようなファイルマネージャにアップロードします。
-4。このWebサイトからOnWorksLinuxオンラインまたはWindowsオンラインエミュレーターまたはMACOSオンラインエミュレーターを起動します。
-5。起動したばかりのOnWorksLinux OSから、必要なユーザー名でファイルマネージャーhttps://www.onworks.net/myfiles.php?username=XXXXXにアクセスします。
-6。アプリケーションをダウンロードし、インストールして実行します。
スクリーンショット：
メッシュR-CNN
説明：
Mesh R-CNNは、Facebook Researchが開発した3D再構成および物体理解フレームワークで、Mask R-CNNを3D領域に拡張したものです。Detectron2とPyTorch3Dをベースに構築されたMesh R-CNNは、単一のRGB画像から直接、エンドツーエンドの3Dメッシュ予測を可能にします。このモデルは、自然画像内の物体の詳細な3Dメッシュ表現を検出、セグメント化、再構築する方法を学習し、2D知覚と3D理解のギャップを埋めます。ボクセルベースやポイントベースのアプローチとは異なり、Mesh R-CNNは微分可能なメッシュ表現を使用するため、高い空間詳細を維持しながら表面形状を効率的に改良できます。このシステムは、Mask R-CNNからの2D検出と、入力画像に合わせた完全なメッシュ再構成を出力する3D推論モジュールを組み合わせています。Pix3Dなどのデータセットで評価され、現実世界の物体形状の再構築において最先端のパフォーマンスを発揮することが実証されています。
オプション
- Mask R-CNNを拡張して画像からの3Dメッシュ再構築を可能にする
- Detectron2（2Dビジョン用）とPyTorch3D（3D操作用）上に構築
- ボクセルやポイントクラウドの代わりに詳細な3Dサーフェスメッシュを予測します
- 2D-3D統合推論のためのエンドツーエンド微分可能フレームワーク
- Pix3Dデータセットで利用可能な事前学習済みモデル
- デモの視覚化とDetectron2パイプラインとの簡単な統合をサポート
プログラミング言語
Python、Unixシェル
カテゴリー
このアプリケーションは、https://sourceforge.net/projects/mesh-r-cnn.mirror/ からも入手できます。OnWorks でホストされているため、無料のオペレーティングシステムから最も簡単にオンラインで実行できます。