微软的AI从2D图像生成3D对象

给大家分享一篇关于互联网和手机的文章。相信很多朋友对互联网和手机还是不太了解，所以边肖也在网上搜集了一些关于手机和互联网的相关知识与大家分享。希望大家看完之后会喜欢。

脸书、英伟达的人工智能研究实验室和像through dy . AI这样的初创公司已经尝试了在各个方面将2D物体转换成3D形状的挑战。然而，在一篇新的预印论文中，微软研究团队详细介绍了一个框架，他们声称这是第一个用于2D数据3D模型的“可扩展”训练技术。他们表示，当仅使用2D图像进行训练时，它总能学习到比现有模型更好的形状，这对于缺乏从头开始创建3D形状的手段或专业知识的视频游戏开发商、电子商务企业和动画工作室来说可能是一个福音。

与之前的工作相反，研究人员试图使用全功能的工业渲染器，即从显示数据生成图像的软件。为此，他们训练了三维形状的生成模型，这样渲染形状将生成与2D数据集分布相匹配的图像。生成器模型采用随机输入向量(表示数据集特征的值)并生成3D对象的连续体素表示(3D空间中网格上的值)。然后，它将体素馈送到不可微渲染过程，该过程在用现成的渲染器(构建在OpenGL上的Pyrender)渲染之前将其阈值设置为离散值。

在实验中，该团队采用3D卷积氮化镓架构用于发电机。(GANs是由两部分组成的AI模型，包括生成器，生成器使用分布式采样从随机噪声中生成合成示例，并将这些示例与来自训练数据集的真实示例一起馈送给鉴别器，以尝试区分两者。一系列合成数据集和一个由3D模型生成的真实数据集，它们合成了不同对象类别的图像，并在整个训练过程中从不同角度进行渲染。

研究人员表示，他们的方法利用了图像提供的光照和阴影线索，因此可以从每个训练样本中提取更有意义的信息，并在这些设置下产生更好的结果。此外，在训练自然图像数据集时，可以生成逼真的样本。论文的合著者写道：“我们的方法.利用面与面之间的曝光差，成功检测出凹面物体的内部结构，使其能够准确捕捉凹面和中空空间。”

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！