文件名称：IGR:学习形状的隐式几何正则化
文件大小：11.18MB
文件格式：ZIP
更新时间：2024-06-15 02:38:54
computer-vision deep-learning 3d-reconstruction Python
IGR：用于学习形状的隐式几何正则化 该存储库包含ICML 2020论文的实现：“学习形状的隐式几何正则化”。 IGR是一种深度学习方法，用于直接从带有或不带有常规数据的原始点云中学习隐式带符号距离表示。 我们的方法旨在通过优化网络以将输入点云作为边界条件来求解方程方程来找到SDF。 尽管这是一个不适的情况，但我们享受到来自优化过程本身的隐式正则化，这将我们的方法瞄准了简单的自然解，如上图所示。 更多细节： 论文： : 视频： : 。 安装要求 该代码与python 3.7和pytorch 1.2兼容。 此外，还需要以下软件包： numpy，pyhocon，plotly，scikit图像，trimesh。 用法 表面重建 在有或没有法线数据的情况下，IGR可用于在给定点云的情况下重建单个曲面。 将reconstruction / setup.json调整为输入2D /
【文件预览】：
IGR-master
----IGR.png(3.75MB)
----code()
--------preprocess()
--------utils()
--------reconstruction()
--------model()
--------datasets()
--------splits()
--------shapespace()
----trained_models()
--------dfaust_pretrained()
----interpolation.jpg(611KB)
----recon3D.png(338KB)
----README.md(4KB)
----.gitignore(102B)