1. 학습

아래 명령어를 이용하여 렌더링 된 사진을 이용해서 학습시켰다.

아래 사진에서 볼 수 있듯이 사용된 모델은 34개이며, 사용된 이미지는 34 * 24 인 816장이다.
그리고 1000 kimg 로 설정하여 실행하였다.

아래 사진과 같이 3일 14시간 끝에 실행이 종료됐다.

아래는 결과이다.

아래는 600 kimg 일때의 결과이다.

아래는 1000 kimg 일때의 결과이다.

이상한 점이있다. 아래 사진과 같이 650 kimg 부터 이상해지는 모습을 볼 수 있다.

해당 이유는 조금 더 분석해봐야할 것같다...

2. 추론

아래 명령어를 사용해서 600kimg 일때의 결과를 추론해보았다.

아래는 결과이다.

이제 texture_mesh_for_inerence 폴더에 있는 모델을 블랜더로 자세히 보겠다.
아래는 결과이다.

확실히 10개의 모델을 사용했을떄와 비교하면 훨씬 더 좋은 데이터를 뽑아낸다.
아래는 그나마 면접관과 닮은 모델으로 믹사모로 자동리깅하는 사진이다.

그리고 해당 결과를 이용해서 유니티에서 모션을 입혀본 사진이다.

사실 좀.. 무섭긴하다..

또한 아래 명령어를 이용해서 1000kimg 일때의 결과를 추론해보았다.

아래는 결과이다.

역시 어딘가 이상한 모습을 보여준다...

단순한 오류인지, 아니면 kimg을 너무 올리면 발생하는 특수한 오류인지 더 조사해봐야할 것 같다.

데이터셋을 더 보충하여 비교적 좋은 품질의 결과를 뽑아내었지만 아직 부족한 모습을 보여준다. 더 많은 데이터를 구해서 한번 더 학습을 시켜봐야겠다.. ㅎㅇㅌ