AI

Công cụ AI mới của Facebook chuyển hình ảnh 2D thành mô hình 3D

Công cụ AI mới của Facebook chuyển hình ảnh 2D thành mô hình 3D

Khi nói đến ước tính mô hình 3D từ các nguồn 2D, chúng tôi gặp khó khăn do mâu thuẫn giữa dung lượng bộ nhớsự chính xác. Chúng tôi cần một lượng dữ liệu bền vững để duy trì bối cảnh cao cho máy của mình trong khi độ phân giải cao là cần thiết để kết xuất chính xác với mạng thần kinh. Cho đến nay, các ứng dụng trong lĩnh vực này ưa chuộng các đầu vào có độ phân giải thấp để phủ rộng hơn về tổng thể. Nghiên cứu này đưa chúng ta một bước nhảy vọt tới một nền tảng trung gian ấm cúng.

Nghiên cứu của Facebook giải quyết vấn đề này bằng cách áp dụng một hệ thống phân tích nhiều lớp. Một phân tích thô thiển đưa ra toàn bộ hình ảnh, tập trung vào lý luận xung quanh xem đâu là đâu. Cấp độ thứ hai lấy dữ liệu đầu ra từ đây để sử dụng làm lộ trình và tập hợp hình học chi tiết hơn với sự trợ giúp của hình ảnh có độ phân giải cao hơn.

CŨNG HÃY XEM: HỌC SÂU LÀ GÌ VÀ TẠI SAO NÓ LẠI QUAN TRỌNG HƠN BAO GIỜ?

Nghiên cứu này không phải là nỗ lực duy nhất trong lĩnh vực này. Quá trình số hóa của con người có thể mở ra nhiều khả năng cho nhiều lĩnh vực khác nhau như hình ảnh y tế thực tế ảo đơn giản là hiển thị biểu tượng cảm xúc 3D tùy chỉnh. Cho đến ngày nay, công nghệ này bị giới hạn đối với công chúng do những hạn chế như cần nhiều camera và yêu cầu ánh sáng nghiêm ngặt. Nhóm nghiên cứu của Facebook nhằm đạt được một hệ thống kết xuất linh hoạt cao có thể duy trì độ trung thực cao khi nói đến các chi tiết như nếp gấp quần áo, ngón tay và sắc thái trong đặc điểm khuôn mặt.

Công nghệ hiện có trước đây

Một ví dụ đáng chú ý, SCAPE, xuất bản năm 2005, Stanford đã tuyển dụng lưới mô hình sẵn qua đầu vào hình ảnh để tạo kết xuất 3D. Mặc dù chúng tự xuất hiện chi tiết nhưng chúng không đại diện trung thực những gì họ đã làm mẫu. Tuy nhiên, trong dự án này, không có hình học 3D nào được áp đặt trên các hình ảnh, thay vào đó, bối cảnh hình học được áp dụng ở các cấp cao hơn mà không đưa ra các giả định sớm. Có nghĩa là, từ đầu vào thô đến phân tích chi tiết, các chi tiết còn thiếu được thực hiện từng bước và việc xác định cuối cùng các thuộc tính hình học của mô hình chỉ được thực hiện ở cấp độ cuối cùng.

Phía sau

Nhưng làm thế nào về mặt sau? Nó vẫn không được quan sát trong việc tái tạo một hình ảnh. Thiếu thông tin chắc chắn sẽ có nghĩa là ước tính mông và lưng bị mờ, phải không? Chà, nhóm đã khắc phục vấn đề này bằng cách xác định các tiêu chuẩn phía sau, như họ đã nói: "Chúng tôi khắc phục vấn đề này bằng cách tận dụng mạng dịch hình ảnh sang hình ảnh để tạo ra các tiêu chuẩn mặt sau. Điều chỉnh suy luận hình dạng được căn chỉnh theo pixel nhiều cấp của chúng tôi với bình thường bề mặt phía sau được suy ra loại bỏ sự mơ hồ và cải thiện đáng kể chất lượng cảm nhận của các bản dựng lại với mức độ chi tiết nhất quán hơn. "

Nếu bạn quan tâm, họ đã để lại một bộ công cụ tự kiểm tra tại Google Colab, mặc dù công bằng mà nói, nó yêu cầu một lượng hiểu biết về công nghệ và hiểu biết cơ bản về môi trường lập trình chạy.


Xem video: vẽ hình 3D đơn giản mà ai cũng có thể thực hiện - happy origami #2 (Có Thể 2021).