45216 - پروژه پایتون (دیتا ساینس / پایتورچ / یادگیری عمیق / شبکه‌های عصبی)
سه ماه پیش منتشر شده
تعداد بازدید: 120
کد پروژه: 548979
شرح پروژه
- مقطع : ارشد ، رشته : دیتا ساینس
- نرم افزار مربوطه : پایتون
من یک پروژه دانشگاهی دارم با پایتورچ
توضیح کامل پروٰژه: این پروژه در مورد تولید موی واقع‌گرایانه برای آواتارهای سه‌بعدی با استفاده از یادگیری عمیق است. هدف پروژه، ارائه راه‌حلی قوی برای تولید موی واقع‌گرایانه و افزایش کیفیت بصری آواتارهای سه‌بعدی و غنی‌سازی تجربه کاربری در پلتفرم‌های دیجیتال است. 1-گردآوری و پیش‌پردازش داده‌ها: Figaro 1K یا .... 2-انتخاب و آموزش مدل مولد: استفاده از یادگیری عمیق، به‌ویژه شبکه‌های عصبی پیچشی عمیق (CNNs) و شبکه‌های مولد تقابلی (GANs)، برای تولید بافت‌ها و هندسه‌های موی واقع‌گرایانه. آموزش مدل بر روی مجموعه داده آماده شده انجام می‌شود. 3-شبیه‌سازی مبتنی بر فیزیک: استفاده از روش‌های شبیه‌سازی مبتنی بر فیزیک برای مدل‌سازی رفتار دینامیکی مو، از جمله واکنش به جاذبه، باد و حرکات کاربر. 4-معیارهای ارزیابی: تعیین معیارهای کمی و کیفی برای ارزیابی واقع‌گرایی و کیفیت موهای تولید شده، با در نظر گرفتن عواملی مانند وفاداری بصری و طبیعی بودن. 5-چالش‌ها: چالش‌های مربوط به تراکم و ظرافت موهای فردی و همچنین دشواری در به دست آوردن مجموعه داده‌های بزرگ از تصاویر مو با اطلاعات زمینه‌ای دقیق سه‌بعدی. کد با pytorch باشه و به صورت کلاسهای جداگونه. همچنین توضیح خط به خط به صورت شفاهی باشه.ممکنه در آینده بسته به نظر سوپروایزر تغییر در کد نیاز باشه
از GAN (Generative Adversarial Networks) استفاده خواهد شد. مدل پیشنهادی: StyleGAN2 یا StyleGAN3: برای تولید جزئیات دقیق‌تر. CycleGAN یا Pix2Pix: برای انتقال سبک از تصاویر به مدل سه‌بعدی.
برای شبیه‌سازی رفتار دینامیکی مو: استفاده از Mass-Spring Models برای محاسبه نیروها و دینامیک حرکتی مو. استفاده از Position Based Dynamics (PBD) که در گرافیک کامپیوتری برای شبیه‌سازی دقیق و سریع رفتار فیزیکی مو کاربرد دارد. Blender یا Houdini نیز می‌توانند برای تولید پیش‌پردازش‌های فیزیکی و خروجی سه‌بعدی مفید باشند.
FID (Fréchet Inception Distance): برای ارزیابی کیفیت تصاویر تولید شده. LPIPS (Learned Perceptual Image Patch Similarity): برای بررسی شباهت بصری. Mean Squared Error (MSE) و Structural Similarity Index (SSIM): برای مقایسه کمّی شباهت بین تصاویر تولید شده و تصاویر واقعی. ارزیابی کیفی از طریق مقایسه توسط افراد خبره
مهارت ها و تخصص های مورد نیاز
مهلت برای انجام
3روز
وضعیت مناقصه
بسته
درباره کارفرما
عضویت هفت سال پیش
