Yang7879/3D-RecGAN

🧱 Tái tạo 3D từ một ảnh depth duy nhất bằng Adversarial Learning

Một ảnh depth — ngay lập tức sinh ra mô hình 3D hoàn chỉnh.

Đây là bản cài đặt TensorFlow của mô hình 3D-RecGAN, được trình bày tại ICCV Workshops 2017 bởi Bo Yang, Hongkai Wen, Sen Wang, Ronald Clark, Andrew Markham và Niki Trigoni. Dự án dùng Generative Adversarial Network (GAN) để tái tạo hình dạng 3D của vật thể chỉ từ một khung nhìn độ sâu (depth view) duy nhất — áp dụng hiệu quả cho thị giác máy tính 3D.

✨ Điểm nổi bật

• Adversarial Learning: Sử dụng GAN để học biểu diễn 3D thực tế từ dữ liệu depth đầu vào.
• Single-view Reconstruction: Chỉ cần một ảnh depth để sinh ra mô hình 3D đầy đủ.
• Triển khai TensorFlow 1.1.0: Dựa trên phiên bản cũ của TensorFlow, phù hợp môi trường nghiên cứu.
• Dữ liệu mẫu công cộng: Cung cấp bộ dữ liệu huấn luyện qua Google Drive và Baidu Pan.
• Hỗ trợ chạy nhanh: Chỉ cần một lệnh python main_3D-RecGAN.py để bắt đầu huấn luyện hoặc đánh giá.
• Nghiên cứu học thuật: Được thiết kế cho mục đích nghiên cứu và tái hiện kết quả trên giấy báo cáo.

💡 Vì sao đáng chú ý

Khác với các phương pháp truyền thống cần nhiều góc nhìn hoặc mô hình 3D hoàn chỉnh, 3D-RecGAN khai thác sức mạnh của GAN để học một phép biến đổi từ không gian 2D depth sang 3D — mở ra khả năng ứng dụng trong robot, AR/VR và lập trình 3D tự động. Dự án nhỏ gọn nhưng mang lý thuyết vững chắc, phù hợp cho người mới bắt đầu khám phá GAN trong thị giác máy tính 3D.

---

#3DReconstruction #GAN #TensorFlow #ComputerVision #TiniX