جدول پیوندها
چکیده و 1 مقدمه
2. کارهای مرتبط
3. روش و 3.1. معماری
3.2. ضرر و 3.3. جزئیات پیاده سازی
4. بررسی داده ها
4.1. مجموعه داده های آموزشی
4.2. معیار ارزیابی
5. آزمایش ها و 5.1. معیارها
5.2. خطوط پایه
5.3. مقایسه با روش های SOTA
5.4. نتایج کیفی و 5.5. مطالعه ابلیشن
6. محدودیت ها و بحث
7. نتیجه گیری و مراجع
الف. مقایسه کیفی اضافی
ب. استنباط در مورد تصاویر تولید شده توسط هوش مصنوعی
ج. جزئیات مدیریت داده
ج. جزئیات مدیریت داده
در این بخش، روش تولید داده خود را برای آموزش و رندر کردن شیء اسکن شده از OmniObject3D برای تولید یکی از مجموعههای تست معیار ما شرح میدهیم.
ج.1. تولید مجموعه داده های آموزشی مصنوعی
رندر تصویر. برای یک دارایی مش سه بعدی دلخواه، خط لوله رندر مبتنی بر Blender ما ابتدا آن را در یک صحنه بارگذاری می کند و آن را عادی می کند تا در یک مکعب واحد قرار بگیرد. صحنه ما شامل یک کاسه مستطیل شکل بزرگ با کف صاف، یک تنظیم صحنه معمولی است که هنرمندان سه بعدی از آن برای رندر کردن استفاده میکنند تا سایه واقعی را ایجاد کنند، و 4 منبع نور نقطهای و منبع نور یک ناحیهای. ما بهطور تصادفی دوربینهایی را در اطراف جسم با فاصله کانونی 30 تا 70 میلیمتر برای اندازه سنسور 35 میلیمتری قرار میدهیم. ما به طور تصادفی فاصله، ارتفاع (از 5 تا 65 درجه)، نقطه نگاه دوربین و … را تغییر می دهیم.