Jedním z důležitých kroků při modelování realistických 3D scén je nastavení vzhledu objektů. Cílem tohoto projektu je zjednodušit tento, často zdlouhavý proces tím, že umělci poskytne inteligentní nástroj pro výběr materiálu. Nástroj umožní kopírovat materiál z libovolného vstupního obrazu jednoduchým ukázáním na příslušný objekt. Pro dosažení tohoto cíle budou využity hluboké neuronové sítě, přičemž bude poskytnut rozsáhlý soubor trénovacích dat.
References
E. Shelhamer, J. Long and T. Darrell, "Fully Convolutional Networks for Semantic Segmentation," in IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 39, no. 4, pp. 640-651, April 1 2017. doi: 10.1109/TPAMI.2016.2572683
https://arxiv.org/abs/1411.4038
Preliminary scope of work
Jedním z důležitých kroků při modelování realistických 3D scén je nastavení vzhledu objektů. Cílem tohoto projektu je zjednodušit tento, často zdlouhavý proces tím, že umělci poskytne inteligentní nástroj pro výběr materiálu. Nástroj umožní kopírovat materiál z libovolného vstupního obrazu jednoduchým ukázáním na příslušný objekt. Pro dosažení tohoto cíle budou využity hluboké neuronové sítě, přičemž bude poskytnut rozsáhlý soubor trénovacích dat.
Preliminary scope of work in English
One of the important step in modeling realistic 3D scenes is setting of object material appearance. The goal of this project is to simplify this, often tedious process by providing the artist with an intelligent material picker tool. The tool will allow to copy a material from any input image by simply pointing to an object. Deep neural networks will be used to achieve this goal, while an extensive training dataset will be provided.
