TensorFlow Graphics

Open Source, Künstliche Intelligenz Schlagwörter: , , 0 Kommentare

Wir haben uns diesen Monat für TensorFlow entschieden und Ihnen eine Installations Anleitung für Linux zur Verfügung gestellt.

Heute erweitern wir diese um TensorFlow Graphics.

Eine Computergrafik benötigt für die Darstellung von Objekten und deren absolute Positionierung in der Szene, eine Beschreibung des Materials, aus dem sie bestehen, Leuchten und eine Kamera. Diese Szenenbeschreibung wird dann von einem Renderer interpretiert, um ein synthetisches zu erzeugen.

TensorFlow Graphics

Im Vergleich dazu würde ein Computer-Vision-System von einem Bild ausgehen und versuchen, die Parameter der Szene abzuleiten. So lässt sich vorhersagen, welche Objekte sich in der Szene befinden, aus welchen Materialien sie bestehen, sowie deren dreidimensionale Position und Ausrichtung.

Wir visualisieren Ideen!

R23 ist Ihre Digitalagentur für Virtual & Augmented Reality. Wir investieren in immersive Technologien wie Augmented Reality und künstliche Intelligenz, die die Grundlage für die Art und Weise sein werden, wie wir in Zukunft online einkaufen. Mit neuen visuellen Entdeckungstools helfen wir Käufer:innen, neue Produkte zu finden, und mit AR-Erlebnissen helfen wir Menschen, Artikel zu visualisieren, bevor sie sie kaufen.
Charakterdesign / Maskottchen

Fotorealistische Visualisierungen und 3D-Animationen lassen sich schnell und kostengünstig erzeugen und in Ihrem Online-Shop veröffentlichen.

TensorFlow Graphics 2

Die Schulung von maschinellen Lernsystemen, die in der Lage sind, diese komplexen -Visionsaufgaben zu lösen, erfordert meist große Datenmengen. Da die Kennzeichnung von Daten ein kostspieliger und komplexer Prozess ist, ist es wichtig, Mechanismen zu haben, um Modelle für das maschinelle Lernen zu entwickeln, die die dreidimensionale Welt verstehen können, während sie ohne große Aufsicht trainiert werden.

Die Kombination von Computer Vision und Computergrafik bietet eine einzigartige Möglichkeit, die riesigen Mengen an leicht verfügbaren, nicht gekennzeichneten Daten zu nutzen. Wie in der folgenden Abbildung dargestellt, kann dies beispielsweise durch eine Analyse durch Synthese erreicht werden, bei der das Sichtsystem die Szenenparameter extrahiert und das Grafiksystem ein darauf aufbauendes Bild wiedergibt.

Wenn das mit dem Originalbild übereinstimmt, hat das Visionssystem die Szenenparameter genau extrahiert. Bei diesem Aufbau gehen Computervision und Computergrafik Hand in Hand und bilden ein einziges maschinelles Lernsystem ähnlich einem Autoencoder, das selbstüberwachend trainiert werden kann.

TensorFlow Graphics 3

Tensorflow Graphics wird entwickelt, um diese Art von Herausforderungen zu meistern, und bietet dazu eine Reihe von differenzierbaren Grafik- und Geometrieebenen (z.B. Kameras, Reflexionsmodelle, räumliche Transformationen, Netzfaltungen) und -Viewer-Funktionalitäten (z.B. 3D TensorBoard), mit denen Sie Ihre gewünschten maschinellen Lernmodelle trainieren und debuggen können.

Link

https://github.com/tensorflow/graphics

Wie können wir Ihnen helfen?

Wir unterstützen Sie bei der Umsetzung Ihres Augmented Reality (AR) oder Virtual Reality (VR) Projektes! Egal ob Produktfotografie, 3D Scan Service, 3D-Visualisierung oder fertige 3D Modelle für AR/VR – wir beraten Sie persönlich und unverbindlich.

Wünschen Sie ein individuelles Angebot auf Basis Ihrer aktuellen Vorlagen, nutzen Sie einfach unser Anfrageformular.



Hat Ihnen dieser Artikel gefallen?

Mit Ihrer Bewertung helfen Sie uns, unsere Inhalte noch weiter zu verbessern.

Gefällt Ihnen dieser Beitrag? Teilen Sie ihn mit anderen. Sie machen uns damit eine große Freude!
R23
R23

Kommentar

Möchten Sie mitdiskutieren?
Hinterlassen Sie einen Kommentar!

Ihre E-Mail-Adresse wird nicht veröffentlicht.

R23

Aktuell