-
Количество публикаций
7 -
Зарегистрирован
-
Посещение
Репутация
0 НовичекО margadon
-
Звание
Новичок
-
Позиционирование объектов с помощью ИИ
margadon replied to margadon's topic in Вопросы по нейросетям и ИИ
в общем. это не задача для гана. решилось все обычным автоэнкодером. пока только в 2D по одному признаку выравнил. для кодера хватило 3 слоя свертки с макспулингом, батч норм и нелинейностью. декодер в обратной последовательности. вместо макспулинга - апсемплинг. теперь в 3D делаю. и по нескольким признакам. -
Позиционирование объектов с помощью ИИ
margadon replied to margadon's topic in Вопросы по нейросетям и ИИ
Если ей при использовании нужно давать картинку с хорошим расположением, то теряется смысл всего мероприятия. Мне от генератора как раз надо получить картинку с хорошим расположением как результат его работы над входным набором мешей. Ну или матрицу трансформаций, а потом отрисовать хорошую картинку, используя эту матрицу. -
Позиционирование объектов с помощью ИИ
margadon replied to margadon's topic in Вопросы по нейросетям и ИИ
для рендеринга планирую vtk использовать, есть наработки. с генератором не совсем, но примерно - он будет выдавать матрицу сдвигов всех зубов. А при инференсе он будет на вход получать 32 меша? а что с ними делать, не понятно. сравнивать последовательно каждый зуб с чем? ума не приложу. Читаю про cGAN - там на входе генератора при обучении конкатенируют с шумом например метку. он учится таким образом, что при инференсе метка на входе приведет к тому что генератор выдаст только объекты максимально похожие на те, которым его обучали вместе с этой меткой. а тут я что буду в качестве условия передавать на вход генератора в процессе обучения? все 32 меша зубов? и что с ними делать? выяснить какие-то фичи и потом каждый по своему каналу пройдя все фильтры преобразуется в матрицу 32*16? так что-ли? -
Позиционирование объектов с помощью ИИ
margadon replied to margadon's topic in Вопросы по нейросетям и ИИ
вот есть много ровных челюстей в качестве обучающего датасета. например таких на второй картинке выше. а как задать на входе параметры генератора ? conditional GAN - это оно? а что за матрицы трансформаций? ко всему еще - у меня 3d meshes. свертка для них описана вроде. для Gan нужна вроде деконволюция. Это загадочная штука в случае меша, но мне генерить сами зубы не нужно, их нужно только передвигать. т.е. подав на вход генератора, не изменять их в процессе учебы или инференса, а только передвигать их, поворачивать и тп. поэтому деконволюция мешей вроде это не мой случай. Куда мне дальше копать? насколько вообще сложной будет сеть? С одной стороны в каждом зубе под 10к вертексов. много. но с другой, мне с них нужны немножко фичей плана касательной к передней поверхности, удаление от плоскости окклюзии, угол курса, тангажа, крена и расстояние между зубами Буду пробовать. Может еще что-нибудь почитать посоветуете на эту тему? -
Позиционирование объектов с помощью ИИ
margadon replied to margadon's topic in Вопросы по нейросетям и ИИ
Спасибо, все изучил. про ICP даже немного знал. Примерно понятно про фичепойнты мешей. Есть сети, которые их извлекают. Теперь имею идею. Думаю как придумать GAN сеть для этой цели. Основное сомнение - везде на вход генерирующая сеть получает шум, и учится из шума делать что-то под руководством сети-дискриминатора. Мне же генерить зубы как таковые не надо. мне их надо только двигать в нужном направлении. как тут быть? как задаче подойти? как на вход генератора крывые зубы подать, а ровные получить? Или я не то говорю? -
Позиционирование объектов с помощью ИИ
margadon replied to margadon's topic in Вопросы по нейросетям и ИИ
было так как на картинке start. а должно стать как на final -
margadon начал следование за Позиционирование объектов с помощью ИИ
-
Есть несколько трехмерных объектов ( mesh) неправильно - криво, косо, со смещением, наклоном расположенных друг относительно друга. Нужно их всех выровнять, подровнять, выстроить вдоль симмертричных ровных дуг. действующий алгоритм делает это с приемлемым результатом примерно в 70% случаев. и не использует ИИ, а использует страшную функцию, линеаризует, аппроксимирует и т.п. Хочется улучшить точность позиционирования и есть желание применить ИИ, но нет ни одной идеи на что это может быть похоже. эта задача классификации, регресии, сегментации? в качестве обучающей выборки есть большое количество правильных сетапов - как должно быть в итоге. Все осложняет тот факт что каждый объект в какой-то степени уникален. у каждого свои бугорки, выступы, трещинки, и по большому счету своя форма, несмотря на то, что все они принадлежат к одному классу. У каждого из объектов при этом есть набор лендмарков, или характерных точек - самая нижняя / верхняя точка, линеаризованная граница кромки, плоскость касательная к внешнему выступу, и т.п, eще порядка 10-15 фич. Почему решил ИИ - потому что в своих подходах он подобен человеку, а сейчас оценку итога работы алгоритма дает именно человек - по своему опыту судит - нравится/не нравится, красиво/некрасиво, эстетично/ не очень. Что тут можно сделать, в какую сторону думать?