TRELLIS: تحويل الصورة إلى فيديو ثلاثي الأبعاد

---

1. مقدمة البرنامج التعليمي

TRELLIS هو إطار عمل للتفسير يعتمد على الشبكة العصبية الرسومية تم تطويره بواسطة فريق Microsoft في عام 2024. ويهدف إلى توفير إمكانية تفسير النموذج بكفاءة من خلال التعرف على خصائص البيانات المنظمة للرسم البياني. يجمع المشروع بين الشبكات العصبية البيانية (GNNs) ونظرية الرسم البياني لتوفير بنية مرنة لتفسير وفهم الأنماط والعلاقات الأساسية لبيانات الرسم البياني واسعة النطاق.

• أبرز الميزات:

نموذج الشبكة العصبية الرسومية: يعتمد على بنية الشبكة العصبية الرسومية الحديثة، وهو يدعم تحليل وتعلم أنواع مختلفة من الرسوم البيانية. إمكانية التفسير: يمكن لتقنيات التفسير القائمة على النموذج أن توفر فهمًا تفصيليًا لنتائج التنبؤ ببيانات الرسم البياني. دعم خوارزميات متعددة: دعم نماذج وخوارزميات الرسوم البيانية المتعددة، بما في ذلك شبكات التفاف الرسوم البيانية (GCN)، وشبكات انتباه الرسوم البيانية (GAT)، وما إلى ذلك. التنفيذ الفعال: يدعم تنفيذ الخوارزمية الأمثل المعالجة الفعالة لبيانات الرسوم البيانية واسعة النطاق.

该教程使用单卡 4090 即可启动。

مثال على التأثير:

2. خطوات التشغيل

1. 启动容器，打开工作空间：

2. 在工作空间中双击打开终端：

3. 在打开的终端中输入指令：bash run.sh 后等待程序运行，待出现 8080 端口后即可在右侧打开 API 地址，如下图所示：
注意：打开 API 地址需要实名认证

4. 选择图片进行上传并生成相应的 3D 影像：
注意：图片上传后会自动提取图中对象，并转为相应格式，仅支持上传 .jpg/.png 格式图片

3. مقدمة عن الوظائف الأساسية

• نموذج الشبكة العصبية البيانية
  • الشبكات التلافيفية البيانية (GCN): GCN عبارة عن بنية شبكة تعتمد على تجاور العقد، وهي مناسبة لمهام تصنيف العقد والانحدار لبيانات الرسم البياني واسعة النطاق.
  • شبكات الاهتمام بالرسم البياني (GAT): GAT عبارة عن شبكة عصبية بيانية تعتمد على آلية الاهتمام الذاتي، والتي يمكنها التعامل بشكل أفضل مع العلاقة غير المتوازنة بين العقد.
• قابلية تفسير النموذج
  • تحليل أهمية العقدة: تحليل مساهمة وأهمية كل عقدة في التنبؤ النهائي من خلال تقنيات تفسير النموذج.
  • تفسير وزن الحافة: من خلال تعلم أوزان الحافة وعلاقات الاتصال، يمكننا الحصول على فهم أعمق للتفاعلات بين العقد المختلفة في الرسم البياني.
• التنفيذ الفعال
  • تسريع وحدة معالجة الرسوميات: من خلال الاستفادة من أطر الحوسبة البيانية الحديثة، فإنه يدعم التدريب المتسارع والتفكير القائم على وحدة معالجة الرسوميات، مما يحسن بشكل كبير من سرعة تدريب النموذج.
  • الحوسبة الموزعة: تدعم التدريب المتوازي على أنظمة متعددة العقد وتعالج مجموعات بيانات أكبر.

4. التبادل والمناقشة

🖌️ إذا وجدت مشروعًا عالي الجودة، فيرجى ترك رسالة في الخلفية للتوصية به! بالإضافة إلى ذلك، قمنا أيضًا بتأسيس مجموعة لتبادل الدروس التعليمية. نرحب بالجميع لمسح رمز الاستجابة السريعة للانضمام إلى المجموعة، والتعليق على [برنامج تعليمي SD]، ومناقشة المشكلات الفنية مع الجميع، ومشاركة نتائج التطبيق!