AI做不了“真”3D图像?试试Google的新生成模型-精品文档资料整理.docx
《AI做不了“真”3D图像?试试Google的新生成模型-精品文档资料整理.docx》由会员分享,可在线阅读,更多相关《AI做不了“真”3D图像?试试Google的新生成模型-精品文档资料整理.docx(9页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、AI做不了“真”3D图像?试试Google的新生成模型 编译 | 假设名 出品 | AI科技大本营 用 AI 生成逼真三维物体模型并不像人们以为的那么困难。 近日 在 NeurIPS 2018 会议上接收的论文“视觉对象网络 图像生成与别离式的3D表示中 麻省理工学院计算机科学与人工智能实验室 MIT CSAIL 以及 Google 的研究人员介绍了能创造出有逼真纹理以及形状的一个生成式 AI 系统。 该系统是视觉对象网络 VON 系统 不仅可以生成比某些最先进的方法更真实的图像 还可以进展形状以及纹理编辑、视点转换和其他三维调整。 “当代深层生成模型学会了合成逼真的图像 研究人员写道 “但大
2、多数计算模型只专注于生成 2D 图像 而忽略了 3D 世界的美妙.这种视角不可防止地限制了它们在许多领域的实际应用 例如合成数据生成、机器人学习、虚拟现实以及游戏行业。 视觉对象网络系统那么可以通过合成三维形状以及二维图像来解决这个问题 类似于研究人员所称的“别离式的对象表示。图像生成模型被分解为三种因素 形状、视点以及纹理 另外 在计算“2.5 D草图以及添加纹理之前 它需要学习合成三维形状。 重要的是 由于这三个因素是条件独立的 所以模型不需要二维以及三维形状之间的配对数据。这使得团队可以在大规模的二维图像以及三维形状集上进展训练 如 Pix3D Google 图像搜索以及ShapeNet
3、 后者包含 55 个对象类别的数千个 CAD 模型。 为了让 VON 系统学习怎样生成自己的形状 该团队在上述三维形状数据集上训练了一个生成式对抗网络 GAN 。而纹理生成被归类了到另一个基于 GAN 的神经网络。 经过大约两到三天的训练 AI 系统始终如一地生成了令人信服的 128 x 128 x 128 模型 具有优异的反射率、环境照明以及反照率 一种漫射光的度量 。 为了评估图像生成模型 团队计算了用于生成三维模型的 Frchet Inception Distance 弗雷歇初始间隔 FID 一种与人类感悟相关的度量。此外 他们还向亚马逊 Mechanical Turk 上的五名测试者展
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- AI 不了 图像 试试 Google 新生 模型 精品 文档 资料 整理
限制150内