Mesh R-CNN이라는 이름의 리눅스 앱으로, 최신 버전은 meshrcnnsourcecode.tar.gz 파일로 다운로드할 수 있습니다. 워크스테이션용 무료 호스팅 제공업체인 OnWorks에서 온라인으로 실행할 수 있습니다.
Mesh R-CNN with OnWorks라는 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
메시 R-CNN
기술
Mesh R-CNN은 Facebook Research에서 개발한 3D 재구성 및 객체 이해 프레임워크로, Mask R-CNN을 3D 영역으로 확장합니다. Detectron2와 PyTorch3D를 기반으로 구축된 Mesh R-CNN은 단일 RGB 이미지에서 직접 종단 간 3D 메시 예측을 지원합니다. 이 모델은 자연 이미지에서 객체의 상세한 3D 메시 표현을 감지, 분할 및 재구성하는 방법을 학습하여 2D 인식과 3D 이해 사이의 간극을 메웁니다. 복셀 기반 또는 포인트 기반 접근 방식과 달리 Mesh R-CNN은 미분 가능한 메시 표현을 사용하여 높은 공간적 세부 정보를 유지하면서 표면 기하 구조를 효율적으로 개선합니다. 이 시스템은 Mask R-CNN의 2D 감지 기능과 입력 이미지에 맞춰 전체 메시 재구성을 출력하는 3D 추론 모듈을 결합합니다. Pix3D와 같은 데이터셋에서 평가되었으며, 실제 객체 기하 구조 재구성에서 최첨단 성능을 보여줍니다.
기능
- 이미지에서 3D 메시 재구성을 가능하게 하기 위해 Mask R-CNN을 확장합니다.
- Detectron2(2D 비전용) 및 PyTorch3D(3D 작업용) 기반으로 구축됨
- 폭셀이나 포인트 클라우드 대신 세부적인 3D 표면 메시를 예측합니다.
- 2D-3D 공동 추론을 위한 종단 간 미분 가능 프레임워크
- Pix3D 데이터 세트에 사전 학습된 모델 사용 가능
- 데모 시각화 및 Detectron2 파이프라인과의 쉬운 통합을 지원합니다.
프로그래밍 언어
파이썬, 유닉스 셸
카테고리
이 애플리케이션은 https://sourceforge.net/projects/mesh-r-cnn.mirror/에서도 다운로드할 수 있습니다. OnWorks에 호스팅되어 무료 운영 체제 중 하나에서 가장 쉽게 온라인에서 실행할 수 있도록 설계되었습니다.
