DeepSDF라는 이름의 리눅스 앱으로, 최신 버전은 DeepSDFsourcecode.tar.gz 파일로 다운로드할 수 있습니다. 워크스테이션용 무료 호스팅 제공업체인 OnWorks에서 온라인으로 실행할 수 있습니다.
OnWorks에서 DeepSDF라는 앱을 무료로 다운로드하여 온라인에서 실행해보세요.
이 앱을 실행하려면 다음 지침을 따르세요.
- 1. 이 애플리케이션을 PC에 다운로드했습니다.
- 2. 파일 관리자 https://www.onworks.net/myfiles.php?username=XXXXX에 원하는 사용자 이름을 입력합니다.
- 3. 이러한 파일 관리자에서 이 응용 프로그램을 업로드합니다.
- 4. 이 웹사이트에서 OnWorks Linux 온라인 또는 Windows 온라인 에뮬레이터 또는 MACOS 온라인 에뮬레이터를 시작합니다.
- 5. 방금 시작한 OnWorks Linux OS에서 원하는 사용자 이름으로 파일 관리자 https://www.onworks.net/myfiles.php?username=XXXXX로 이동합니다.
- 6. 응용 프로그램을 다운로드하여 설치하고 실행합니다.
스크린 샷
Ad
딥SDF
기술
DeepSDF는 Park 등이 CVPR 2019 논문 DeepSDF: Learning Continuous Signed Distance Functions for Shape Representation에 제시한 것처럼 Signed Distance Functions(SDF)를 사용하여 연속적인 3D 형상 표현을 위한 딥 러닝 프레임워크입니다. 이 프레임워크는 3D 좌표를 객체 표면으로부터 해당 Signed Distance에 매핑하는 연속적인 암묵적 함수를 학습하여 컴팩트하고 충실도가 높은 형상 모델링을 가능하게 합니다. 기존의 이산 복셀 그리드 또는 메시와 달리 DeepSDF는 형상을 원활하게 보간하여 재구성, 생성 및 분석에 사용할 수 있는 연속적인 신경 표현으로 인코딩합니다. 이 저장소는 메시 데이터 세트(예: ShapeNet)의 전처리, DeepSDF 모델 학습, 학습된 잠재 코드에서 메시 재구성, Chamfer Distance 및 Earth Mover's Distance와 같은 지표를 사용하여 결과를 정량적으로 평가하기 위한 완벽한 도구를 제공합니다.
기능
- 컴팩트한 3D 모양 표현을 위한 연속 부호 거리 함수를 학습합니다.
- 구성 가능한 실험 및 체크포인트를 갖춘 종단 간 교육 파이프라인
- ShapeNet 및 기타 데이터 세트에 대한 전처리, 재구성 및 평가를 지원합니다.
- 재현성과 쉬운 시각화를 위한 모듈식 실험 디렉토리 구조
- 메시 전처리 및 표면/SDF 샘플링을 위한 C++ 유틸리티가 포함되어 있습니다.
- Chamfer 및 Earth Mover의 Distance 측정 항목에 대한 평가 스크립트를 제공합니다.
프로그래밍 언어
C++, 파이썬
카테고리
이 애플리케이션은 https://sourceforge.net/projects/deepsdf.mirror/에서도 다운로드할 수 있습니다. OnWorks에 호스팅되어 무료 운영 체제 중 하나에서 가장 쉽게 온라인에서 실행할 수 있도록 설계되었습니다.
