全新 Meta-AI 可将 2D 图像转换为 3D 模型

迪调の华丽

​​　　Meta 研究人员提出了 MCC，这是一种可以从单个图像重建 3D 模型的方式。该公司从中看到了 VR/AR 和机器人技术的应用前景。
　　基于 Transformer 等架构和大量训练数据的 AI 模型已经发生了令人印象深刻的语言模型，例如 OpenAI 的 GPT-3 或比来的 ChatGPT。


　　自然语言措置的打破带来了一个核心见解：扩展使基本模型能够丢弃以前的方式。先决条件是独立于范围的架构，例如转换器，它可以措置分歧模式，以及来自非布局化和部门未标识表记标帜数据的自我监控训练。
　　结合大规模的、独立于类此外学习，这种架构近年来越来越多地用于语言措置以外的范围，如图像合成或图像分析。
Meta MCC 为 3D 重建带来规模化措置
　　Meta FAIR Lab 展示了多视图压缩编码（MCC），这是一种基于变压器的编码器-解码器模型，可以从单个 RGB-D 图像重建 3D 对象。
　　研究人员认为 MCC 是迈向用于 3D 重建的通用 AI 模型的重要一步，可用于机器人或 AR/VR 应用，为更好地了解 3D 空间和对象或视觉重建斥地了许多可能性。
　　虽然其他方式，如 NERF 需要多幅图像，或者它们的模型需要与 3D CAD 模型或其他难以获取并因此无法扩展的数据进行训练，但 Meta 数据依赖于从 RGB D 图像中重建 3D 点。
　　这些具有深度信息的图像此刻已经很容易获得了，这是由于带有深度传感器的 iPhone 和简单 AI 网络的普及，后者从 RGB 图像中获取深度信息。按照 Meta 的说法，这种方式具有很好的可伸缩性，而且将来很容易发生大数据集。


　　为了证明这种方式的长处，研究人员使用大量图像和视频来训练 MCC，这些图像和录像包含来自分歧数据集的深度信息，从多个角度显示物体或整个场景。
　　在 AI 培训期间，模型将被剥夺每个场景或对象的一些可用视图，它们作为 AI 重建的学习信号。该方式类似于语言或图像模型的培训，此中部门数据也经常被屏蔽。
Metas 3D 重建显示了强大的通用性
　　Metas AI 模型在测试中显示了有效且优于其他方案的优势。该团队还暗示，MCC 还可以措置以前没见过的对象类别或整个场景。
　　此外，MCC 显示了预期的扩展特性：随着更多的训练数据和更多样化的对象类别，性能显著提升。ImageNet 和 DALL-E 2 图像也可以在 3D 点云中重建，并提供相应的深度信息。​​​​