RGB D 퓨전
v1.0.1
저자:
사샤 키르히(Sascha Kirch), 발레리아 올리유니나(Valeria Olyunina), 얀 온드르제이(Jan Ondřej), 라파엘 파제스(Rafael Pagés), 세르히오 마틴(Sergio Martín), 클라라 페레즈-몰리나(Clara Pérez-Molina)
[ Paper
] [ BibTex
]
RGB-D-Fusion을 위한 TensorFlow 구현. 자세한 내용은 RGB-D-Fusion: Image Conditioned Depth Diffusion of Humanoid Subjects 논문을 참조하십시오.
2023/10/14
: 이제 코드를 사용할 수 있습니다!2023/09/04
: 우리 논문이 IEEE Access에 게재되었습니다!2023/07/29
: arxiv에 사전 인쇄를 공개합니다. Docker 환경을 사용하는 것이 좋습니다. TensorFlow의 도커 파일과 nvidia의 도커 파일을 제공합니다. 후자는 더 크지만 NVIDIA의 성능 최적화를 포함합니다. NVIDIA의 GPU 확장을 포함하여 Docker가 설치되어 있는지 확인하세요.
docker build -t < IMAGE_NAME > / < VERSION > -f < PATH_TO_DOCKERFILE >
docker container create --gpus all -u 1000:1000 --name rgb-d-fusion -p 8888:8888 -v < PATH_TO_tf_DIR > :/tf -v < PATH_TO_YOUR_GIT_DIR > :/tf/GitHub -it < IMAGE_NAME > / < VERSION >
docker start rgb-d-fusion
디렉터리 계층 구조는 다음과 같아야 합니다.
|- tf
|- manual_datasets
|-
|- test
|- DEPTH_RENDER_EXR
|- MASK
|- PARAM
|- RENDER
|- train # same hierachy as in test
|- # same hierachy as inv_humas_rendered
|- GitHub
|- ConditionalDepthDiffusion # This Repo
|- output_runs # Auto generated directory to store results
|- DepthDiffusion
|- checkpoints # stores saved model checkpoints
|- illustrations # illustrations that are beeing generated during or after training
|- diffusion_output # used for inference to store data sampled from the model
|- SuperResolution # same hierachy as in DepthDiffusion
계층 구조는 한 위치 또는 다른 디렉터리에 생성될 수 있습니다. Docker 컨테이너를 시작할 때 여러 디렉터리를 함께 마운트할 수 있습니다.
스크립트는 스크립트 아래에 있습니다. 현재 두 가지 유형의 모델이 있습니다.
각 모델에는 Python으로 작성된 전용 교육, 평가 및 추론 스크립트가 있습니다. python