Yang7879/3D-RecGAN-extended

🧱 Tái tạo 3D từ một ảnh độ sâu đơn — công nghệ của nghiên cứu TPAMI 2018

Dự án cài đặt lại 3D-RecGAN++ bằng TensorFlow, biến một ảnh độ sâu 2D thành mô hình 3D đầy đủ.

Dự án 3D-RecGAN-extended do Bo Yang, Stefano Rosa, Andrew Markham, Niki Trigoni và Hongkai Wen phát triển, được công bố trên tạp chí TPAMI năm 2018. Mục tiêu: tái tạo mật khối 3D hoàn chỉnh của các đối tượng (ghế, bàn, ghế đẩu, xe...) chỉ từ một ảnh độ sâu duy nhất. Dự án cung cấp mã nguồn, dữ liệu huấn luyện và mô hình đã được huấn luyện sẵn.

✨ Điểm nổi bật

• Kiến trúc 3D-RecGAN++: Mạng GAN tạo mật khối voxel 3D từ ảnh độ sâu đầu vào.
• Dữ liệu ShapeNetCore.v2: Hỗ trợ nhiều lớp đối tượng như ghế, bàn, xe, máy bay...
• Mô hình đã huấn luyện: Cung cấp mô hình tiền huấn luyện để chạy demo ngay.
• Hỗ trợ dữ liệu thực tế: Bộ dữ liệu từ cảm biến Kinect để kiểm chứng trên thế giới thực.
• Chạy đơn giản: Huấn luyện bằng python main_3D-RecGAN++.py, chạy thử bằng python demo_3D-RecGAN++.py.

💡 Vì sao đáng chú ý

Khác với các phương pháp truyền thống chỉ tái tạo bề mặt, 3D-RecGAN++ sử dụng mạng tranh sinh (GAN) để học cấu trúc 3D không gian của đối tượng, cho phép tái tạo chi tiết ngay cả khi ảnh độ sâu thiếu thông tin. Đây là công cụ hữu ích cho nghiên cứu thị giác máy tính 3D và robotics.

---

#3DReconstruction #GAN #TensorFlow #TPAMI2018 #ShapeNetCore #TiniX