Xiao contrôle à partir du bas de la non-Temple encastré
rapports Qubit | Numéro public QbitAI
Google tensorflow a rejoint les capacités graphiques informatiques tensorflow Graphics Alors que le réseau de neurones peut mieux comprendre le monde des opérations graphiques informatiques.
Infographie (Computer Graphics) et Vision par ordinateur (Computer Vision) est une paire de frères jumeaux, tant que le processus inverse.
infographie forme en 3D de l'objet est connue à l'avance, l'emplacement, la matière, et l'éclairage de la scène et la caméra, puis rendu de la scène.
Vision par ordinateur est connu image capturée, déduire quels objets, quels matériaux ils sont faits, et leur position 3D et de l'orientation.
La reconnaissance d'images est inutile de dire. Dans tensorflow Graphics, y compris les graphiques de rendu d'image rotation, zoom, la lumière, et d'autres opérations mesh 3D.
rotation
La rotation est très important dans certaines tâches robotiques, telles que l'utilisation d'un bras robotisé pour saisir les objets ont besoin d'estimer avec précision l'emplacement de l'objet par rapport au bras.
écaillage
Échelle de vision par ordinateur joue un rôle important, car cela affectera grandement l'apparence de l'objet en trois dimensions projetées sur un plan.
matériau léger
définit interactivement l'objet modèle matériau léger, il montre l'aspect de ce matériau unique. Dans certains environnements virtuels, nous pouvons prédire l'apparition de certains objets réels.
géométrie
radar laser pour conduire automatiquement un téléphone de voiture du capteur de profondeur, ces dernières années, de plus en plus des capteurs 3D. Ils sortie un mode de données du nuage de points 3D ou d'une grille.
En raison de leur structure irrégulière par rapport à la structure de l'image fournissant une grille régulière, ce qui représente la convolution difficile à réaliser. Tensorflow Graphics convolution 3D a deux couches et une couche piscine 3D, permet au réseau d'effectuer une formation classée composants sémantiques sur la grille.
Pourquoi lancement tensorflow Graphics
Ces dernières années, la situation peut insérer la couche micro-Patterned architecture de réseau de neurones de plus en plus. particulièrement Espace réseau de transformation Il a été publié en 2015 papier DeepMind NIPS sur « Réseaux Transformer Spatial ».
Cet article présente le réseau de neurones doivent avoir un soi-disant « espace invariance », que quelle que soit translation, rotation, mise à l'échelle, sont en mesure d'identifier correctement et de traitement des images, mais la capacité CNN dans ce domaine fait défaut.
Ces micro-motif peut être inséré dans une couche de réseau de neurones, on peut construire une nouvelle architecture de réseau plus efficace. La modélisation de contraintes géométriques et les réseaux de neurones peuvent être la supervision et la formation solide, efficace par de soi.
En outre, les systèmes d'apprentissage machine de formation de tâches visuelles 3D nécessitent généralement de grandes quantités de données doivent concevoir des modèles d'apprentissage machines, formation sans beaucoup de supervision, la capacité d'adhérer à un réseau de l'infographie rendu, AI permettra de mieux comprendre le monde 3D .
installation
Tensorflow Graphics nécessite tensorflow 1.13.1 Ou plus tard. Google fournit les deux versions de CPU et GPU:
pip installer tensorflow-graphiques --upgrade # Version CPU pip installer --upgrade tensorflow-graphiques-gpu # Version GPUAfin de permettre aux utilisateurs de visualiser le débogage, tensorflow Graphics est également livré avec un plug-TensorBoard afficher de manière interactive nuage de points 3D et de maillage.
Plusieurs effets plus pratiques peuvent être fournis à la page du projet colab expérience pour ordinateur portable. matériau léger tel que le rendu mentionné ci-dessus:
portail
La description officielle:
https://medium.com/tensorflow/introducing-tensorflow-graphics-computer-graphics-meets-deep-learning-c8e3877b7668
Page du projet:
https://github.com/tensorflow/graphics
- FIN -
recrutement sincère
Qubits recrutent éditeur / journaliste, basé à Zhongguancun de Beijing. Nous attendons de talent, des étudiants enthousiastes de nous rejoindre! Détails, s'il vous plaît interface de dialogue qubit numéro public (QbitAI), réponse mot "recrutement".
Qubit QbitAI · manchettes sur la signature de
' « suivre les nouvelles technologies AI dynamiques et de produits