新的AI技術(shù)可以從二維圖像中創(chuàng)建三維形狀

使用機器學(xué)習(xí)和深度學(xué)習(xí)的人工智能方法的新技術(shù)能夠從二維圖像(例如照片)創(chuàng)建三維形狀，甚至能夠創(chuàng)建新的，前所未見的形狀。

普渡大學(xué)的Donald W. Feddersen機械工程教授Karthik Ramani表示，AI深度學(xué)習(xí)的“神奇”能力是能夠抽象地學(xué)習(xí)。

“如果你展示成千上萬種形狀的東西，比如汽車，如果你再把它展示成汽車的二維圖像，它可以用三維重建那個模型，”他說。“它甚至可以拍攝兩張二維圖像，并在兩者之間形成一個三維形狀，我們稱之為'幻覺'。”

完全開發(fā)后，這種稱為SurfNet的方法可以在互聯(lián)網(wǎng)上的三維搜索領(lǐng)域中具有重要應(yīng)用，并且可以幫助機器人和自動駕駛車輛更好地了解周圍環(huán)境。

然而，最令人興奮的是，該技術(shù)可以通過簡單地使用標(biāo)準(zhǔn)的2-D照片來創(chuàng)建虛擬現(xiàn)實和增強現(xiàn)實的3D內(nèi)容。

“你可以想象一個正在拍攝二維照片的電影攝像機，但在虛擬現(xiàn)實世界中，一切都在三維中神奇地出現(xiàn)，”拉馬尼說。“我們將繼續(xù)前進(jìn)，在接下來的五年里，這樣的事情將會發(fā)生。

完全開發(fā)后，這種稱為SurfNet的方法可以在互聯(lián)網(wǎng)上的三維搜索領(lǐng)域中具有重要應(yīng)用，并且可以幫助機器人和自動駕駛車輛更好地了解周圍環(huán)境。

然而，最令人興奮的是，該技術(shù)可以通過簡單地使用標(biāo)準(zhǔn)的2-D照片來創(chuàng)建虛擬現(xiàn)實和增強現(xiàn)實的3D內(nèi)容。

“你可以想象一個正在拍攝二維照片的電影攝像機，但在虛擬現(xiàn)實世界中，一切都在三維中神奇地出現(xiàn)，”拉馬尼說。“我們將繼續(xù)前進(jìn)，在接下來的五年里，這樣的事情將會發(fā)生。

“很快我們將處于人類無法區(qū)分現(xiàn)實與虛擬現(xiàn)實的階段。”

然后，計算機系統(tǒng)成對地學(xué)習(xí)3-D圖像和2-D圖像，然后能夠僅從2-D圖像預(yù)測其他類似的3-D形狀。

“這非常類似于相機或掃描儀僅使用三種顏色，紅色，綠色和藍(lán)色(稱為RGB)來創(chuàng)建彩色圖像，除了我們使用XYZ坐標(biāo)，”他說。

Ramani表示，與目前使用體積像素(或體素)的3D深度學(xué)習(xí)方法相比，這種技術(shù)還可以提供更高的準(zhǔn)確度和精度。

“我們使用曲面代替，因為它完全定義了形狀。這是這種方法的一個有趣的分支。因為我們正在二維域中重建三維結(jié)構(gòu)，而不是像你那樣做1000個數(shù)據(jù)點否則，與其他新興方法相比，我們可以做到10,000點。我們更高效，更緊湊。“

該研究的一個重要成果是未來的機器人，物體識別甚至自動駕駛汽車; 他們只需要配備標(biāo)準(zhǔn)的2-D攝像頭，但仍然能夠理解他們周圍的3D環(huán)境。

拉馬尼說，為了開展這項研究，需要對人工智能進(jìn)行更多的基礎(chǔ)研究。

“沒有一盒機器學(xué)習(xí)算法，我們可以采用這些算法并應(yīng)用它們，而且事情神奇地起作用，”他說。“要從平地遷移到三維世界，我們需要更多的基礎(chǔ)研究。我們正在推動，但深度學(xué)習(xí)的數(shù)學(xué)和計算技術(shù)仍在發(fā)明，并且在三維中基本上是一個未知領(lǐng)域。”