神經網絡研究新進展：可將平面圖像轉制為高精度3D模型

伯克利人工智能研究院的一支團隊，剛剛詳細介紹了一項將平面圖像轉制為 3D 模型的新技術。雖然聽起來并不新鮮，但最新進展已能通過單張圖產出極高分辨率的 3D 模型。隨著后續研究與進步，其有望將任何一張圖片，轉制為細節豐富和超級實用的三維模型。研究人員解釋到：通常情況下，3D 重建需要用到卷積神經網絡（簡稱 CNN）來預測任意給定對象在三維空間中的形狀，因此需要通過 CAD 模型對神經網絡進行訓練。

神經網絡可以學習各種類型的對象，但由于預測量方面的局限性，其通常輸出得相當粗糙。于是研究人員們從低分辨率模型開始著手，借之產出更高分辨率的模型，但其最初還是源于一張平面圖像。

論文中寫到：“我們利用了對象表面的二維本質，從低分辨率中預判一個表面，然后分層預測高分辨率”。該團隊將他們的方法稱作‘分層表面預測’（簡稱 HSP），從預測一個給定物體的低分辨率體積像素（voxels）開始這個流程。

分層表面預測（HSP）偏離了傳統的卷積神經網絡（CNN）方法，基于自由空間、邊界、以及占用空間 3 個方面對每個立體像素進行分類。如此這般，系統就能夠預測更高分辨率的元素，最終產出高分辨率的體積像素網格。

上圖所示的圖像，展示了該 3D 模型生成和細化分析過程。比如從一架飛機的平面圖像開始，將之逐漸精煉到一個更加詳細的成品。

最終我們看到的，不僅僅是一個基本的三維飛機形狀，而是連引擎和機翼都能清晰呈現出來。

來自: cnBeta