Pixel2Mesh-Tensorflow2

請參考Github鏈接Pixel2Mesh TensorFlow2
語言選擇/Language: 中文 // English（To be completed）

此代碼主要是筆者為了本科畢設需要（將Pixel2Mesh遷移到移動設備上）而完成。因為Tensorflow 1.x版本受到限制，因此將Pixel2Mesh代碼進一步修改成Tensorflow 2.x版本。

代碼構成主要參考了如下鏈接。Pixel2Mesh//Pixel2Mesh++
非常感謝師兄師姐在此領域作出的貢獻。(此前已聯系Nanyang Wang師兄，本代碼的Blog和Github項目可以開源)

代碼主要基于CNN+GCN框架。

Dependencies

Requirements：

• Python 3.6+
• Tensorflow(version 2.0+)
• numpy
• …

本代碼在Tensorflow 2.4,CUDA 11.0，Ubuntu 20.04 ，硬件設備：GeForce GTX 1050 Ti上測試過。建議懶得配環境的同學用TF官網Docker，本代碼全程在Docker中調試運行（備注：由于過年在家期間用自己電腦跑的，未在實驗室，因此預訓練權重和Model暫且不放上來了、后續會補充。一個Epoch數據有35010個，跑完一個Epoch大概需要1.5h。loss在跑5-10個epoch后可收斂到4~6左右，三維重建后的模型較為精細。loss最低預估可收斂到4.5附近。）

Dataset

采用ShapeNet數據集，視角的Rendered方法來自3D-R2N2
訓練和測試的數據集可以在***data/train_list.txt***和***data/test_list.txt***中找到。具體數據集的下載可以從Pixel2Mesh++里下載。

Pre-trained Model

待完成

Quick demo

首先從下載Pre-trained Model，（鏈接待完成）。將下載好的demo放到指定位置，我的路徑是***results/coarse_mvp2m/models/20200222model***，你可以在代碼中更改自己預訓練模型的路徑。
之后在終端執行

python demo.py

輸入圖片及三維Mesh效果圖如下所示：（待完成）

Training

在配置好環境且數據集下載完成后，可以開始模型的訓練

Step1

首先在cfgs/mvp2m.yaml中將對應路徑設置成自己數據集所在的位置

• train_file_path: the path of your own train split file which contains training data name for each instance
• train_image_path: input image path
• train_data_path: ground-truth model path
• coarse_result_*: the configuration items related to the coarse intermediate mesh should be same as the training data

Step2

配置完對應的cfg文件，且在***train_mvp2m.py***中修改預訓練模型路徑后(記著將***pre_train***的選項由False改為True Default：False)。
python train_mvp2m.py

Test

暫且沒寫，目前用不上。后續會跟進。

Statement

This software is for research purpose only.
Please contact me for the licence of commercial purposes. All rights are preserved.

Contact

Yann Qi (email: yannqi@qq.com)

License

Apache License version 2.0

總結

以上是生活随笔為你收集整理的Pixel2Mesh-Tensorflow2的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。