Pixel2Mesh-Pytorch - GitLite

KO | EN

gitlite — search

#javascript #react #ai #go #golang #android #rust #docker #macos #windows #cli #pytorch #ios #mcp

Pixel2Mesh-Pytorch

(★ 126)

Final project for RecVis 18

파일 탐색기

최종 버전 다운로드 (.zip)

- - face1.obj
  - face2.obj
  - face3.obj
  - info_ellipsoid.dat
- info_ellipsoid.dat
- shapenet.json
- ShapeNet.py
- ShapeNet_labels.pkl
- test_list_plane.txt
- test_list_small.txt
- train_list_plane.txt
- train_list_small.txt
- examples_1.png
- examples_2.png
- net.png
- u-net.png
- - log.txt
  - network_4.pth
- - chamfer.cu
  - chamfer_cuda.cpp
  - dist_chamfer.py
  - setup.py
- gcn_layers.py
- loss.py
- model.py
- pixel2mesh.pdf
- final_report.pdf
- proposal.pdf
- utils.py
evaluate.py
README.md
train.py

# 설치 가이드

1. 코드 내려받기

git clone https://github.com/Tong-ZHAO/Pixel2Mesh-Pytorch

깃허브에서 프로젝트 코드 전체를 내 컴퓨터로 내려받습니다.

cd Pixel2Mesh-Pytorch

방금 내려받은 프로젝트 폴더 안으로 이동합니다.

2. Python

쉬움 추천

사전 준비물

Git GitHub에서 프로젝트 코드를 내려받으려면 필요합니다.
Python 3 설치 시 'Add Python to PATH' 옵션을 꼭 체크하세요 (Windows).

⚠️ 이 프로젝트는 규모가 큰 저장소라, 이 방법이 실제 핵심 제품이 아니라 내부 하위 패키지를 가리키는 것일 수 있습니다. README 전체를 함께 확인해보세요.

pip install .

PyPI에 배포된 패키지를 바로 설치합니다. 소스 클론이 필요 없습니다.

python <실행할 파일명>.py # README에서 정확한 실행 파일명을 확인하세요

파이썬 스크립트(또는 모듈)를 실행합니다.

✅ 에러 메시지 없이 실행되고 터미널에 안내 문구가 출력되면 정상입니다.

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

# Pixel2Mesh-Pytorch

This repository aims to implement the ECCV 2018 paper: [Pixel2Mesh: Generating 3D Mesh Models from Single RGB Images](http://bigvid.fudan.edu.cn/pixel2mesh/) in PyTorch. The [official code](https://github.com/nywang16/Pixel2Mesh) in Tensorflow is available online. Based on the proposed structure, we replaced the VGG model by a U-Net based autoencoder to reconstruct the image, which helps the net to converge faster.

<img src="/img/net.png" width="900"/>

## Requirements

* PyTorch 1.0 (Enable Sparse Tensor)
* \>= Python 3
* \>= Cuda 9.2 (Enable Chamfer Distance)
* Visdom (Enable Data Visualization)

## External Codes

* [pygcn](https://github.com/tkipf/pygcn/tree/master/pygcn): Base code of GraphConvolution
* [atlasnet](https://github.com/ThibaultGROUEIX/AtlasNet/tree/master/extension): Chamfer Distance

## Getting Started

### Installation

```
cd ./model/chamfer/
python setup.py install
```

### Dataset

We use the same dataset as the one used in Pixel2Mesh. The point clouds are from [ShapeNet](https://www.shapenet.org/) and the rendered views are from [3D-R2N2](https://github.com/chrischoy/3D-R2N2).

The whole dataset can be downloaded [Here](https://drive.google.com/file/d/1Z8gt4HdPujBNFABYrthhau9VZW10WWYe/view?usp=sharing).

Please respect the [ShapeNet license](https://shapenet.org/terms) while using.

### Train

```
python train.py
```

The hyper-parameters can be changed from command. To get more help, please use

```
python train.py -h
```

### Validation

To evaluate the model on one example, please use the following command

```
python evaluate.py --dataPath *** --modelPath ***
```

## Some Examples

Due to the device limit, we trained our model on the airplane class instead of the whole dataset. A trained model is provided [Here](https://github.com/Tong-ZHAO/Pixel2Mesh-Pytorch/blob/master/log/2019-01-18T02:32:24.320546/network_4.pth)

Some test examples are shown as below:

<img src="/img/examples_1.png" width="900"/>

<img src="/img/examples_2.png" width="900"/>