前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >AI通过照片创建3D模型,3D建模师也要失业?

AI通过照片创建3D模型,3D建模师也要失业?

作者头像
时见疏星
发布2018-06-01 11:59:34
3.7K3
发布2018-06-01 11:59:34
举报
文章被收录于专栏:星流全栈

之前,我们提到了【两分钟论文#161】AI创建用户界面,前端将失业?神器pix2code!搞得前端界人心惶惶。现在告诉前端界一个好消息,You are not alone!3D建模领域未来也将被彻底颠覆!

视频内容

各位同学大家好,又到了我们的「两分钟AI小课堂」。

今天我们来讲一下AI,尤其是DNN在3D建模中的应用。通过照片和图像来还原3D模型是一个大胆的想法,之前也有许多人做过相关研究。

MIT的研究者们采用了3D-GAN网络来通过图片生成3D模型。这种技术可以运用在多个领域,与3D打印结合,与数字建模结合,与自动驾驶技术结合。

不同的3D模型间可以进行插值,比如从汽车变为快艇;也可以进行代数计算,从有扶手的椅子变为无扶手的椅子。

相信不久之后更多的工作会陆续出来,比如材质纹理和刚体的功能也会加上去。到时候,平面设计师还是3D建模师的工作量都会大大减轻!

MIT的这篇文章研究3D对象生成的问题。我们提出一个新颖的框架,即3D生成对抗网络(3D-GAN),通过利用体积卷积网络和生成对抗网络的最新进展,从概率空间生成3D对象。我们的模型的好处有三:

首先,使用对抗标准,而不是传统的启发式标准,使生成器能够隐含地捕获对象结构并合成高质量的3D对象;

第二,生成器建立从低维概率空间到3D对象空间的映射,使得我们可以在没有参考图像或CAD模型的情况下对样本进行采样,并探索3D对象流形;

第三,对抗鉴别器提供了一个强大的3D形状描述符,它在没有监督的情况下学习,在3D对象识别中有广泛的应用。

实验表明,我们的方法生成高质量的3D对象,我们无监督学习的功能在3D对象识别方面实现了令人印象深刻的性能,与受监督的学习方法相当。

论文在此:

"Learning a Probabilistic Latent Space of Object Shapes via 3D Generative-Adversarial Modeling"

http://3dgan.csail.mit.edu/

https://arxiv.org/pdf/1610.07584v2.pdf

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2017-08-22,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 星流全栈 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档