AG真人在线登录：2D图像变3D，微软新AI框架或成游戏业福音

本文摘要：记录:右图是微软公司模型分解的3d沙发、椅子和浴缸图像，已经有很多机构将2D图像转换为3D金属模型进行了尝试。

记录:右图是微软公司模型分解的3d沙发、椅子和浴缸图像，已经有很多机构将2D图像转换为3D金属模型进行了尝试。另外，包括Facebook、Nvidia等公司的AI研究实验室，或者类似于AI。最近，来自微软公司的研究团队也公开发表了预印论文，展示了根据非结构化的2D图像分解3D图像的能力。

一般来说，训练这样的框架必须通过格栅化处理来展开微分步图形，因此过去的研究者在这个领域的希望集中精力开发定制图形模型。但是，这种模型处理的图像不太现实，也不适合分解游戏和图形产业的工业效果图。微软公司的研究人员这次实现了新的突破。

他们在论文中详细说明了框架。这个框架使用的图形训练技术是第一次作为这个领域使用。

研究人员表示，在使用2D图像开展训练时，该框架可以比现有模型分解效果更好的3D金像形状，对于视频游戏开发者、电子商务公司和没有设立3D模型经验的动画公司来说是福音。具体来说，研究人员试图利用功能齐全的工业RenderMan，该RenderMan可以根据显示数据分解图像。为此，研究人员训练了3D形状的分解模型，使图形形状和分解，使与2D形状相匹配的图像分解。

生成器模型使用随机输出向量(代表数据集特征的值)，分解对象的倒数体素对应(3D界面中的网格值)，将体素输出到不能微分化的图形过程中，在现有RenderMan展开图形之前将门槛降低到线性值。也就是说，这是一种精致的代理神经RenderMan必备图形用3D线形拆卸模型拆卸的倒数体素网格方式。正如研究人员所说明的，在等待价格3D线网输出的情况下，必须对其进行培训，以给出现成RenderMan的图形输入。生成式对付网络(GANS)在生成2D图像数据方面的成果令人印象深刻，很多视觉应用于游戏，必须以3D图像模型输出，在某种程度上是图像。

但是，需要将现有的GAN模型扩展到3D，提供3D的训练数据。(公共编号:)记录:右图是微软公司模型分解的3D蘑菇图像在实验过程中，研究团队为上述生成器使用了on3D卷积GAN架构(GAN是由两部分构成的AI奖励模型，其中包括生成器，这些生成器用于分布式样品从随机噪音中分解制备的示例，将这些示例与训练数据集中的现实示例一起送到鉴定器中，尝试区分两者)。基于3D模型分解的数据集和现实的数据集可以制作出不同对象类别的图像，在训练过程中从不同角度展开图形。研究人员还回答说，他们的框架不会从图像中提取灯光和阴影信息，需要从每个训练样本中提取更有意义的数据，并在此基础上产生更好的结果。

在对自然图片数据集开展培训后，该框架能够拆卸细致样本。此外，框架还可以利用表面之间的曝光差异，顺利检测凹形物体的内部结构，正确捕捉凹形程度和空间。将颜色、材料、照明等信息分割到系统中，将来这些信息可以与更好的通常实际数据集合使用。记录:本文编译器是VentureBeat原创文章，允许禁止发表。

下一篇文章发表了注意事项。

本文关键词：AG真人在线注册,AG真人在线登录,AG真人在线官网

本文来源：AG真人在线注册-www.cthdsc.com