人工智能（AI）制备的三维物体模型看上去并不可笑。在蒙特利尔的NeurIPS2018会议上的论文中，麻省理工学院计算机科学与人工智能实验室（MITCSAIL）和谷歌的研究人员叙述了一个分解的AI系统需要用细致的纹理建构令人信服的形状。

人工智能系统视觉对象网络（VON）不仅可以分解比某些最先进设备的方法更加细致的图像，还可以展开形状和纹理编辑，视点位移以及其他三维调整。“现代深层分解模型学会制备细致的图像，”研究人员写到。“大多数计算出来模型只专心于分解2D图像，忽视了世界的3D性质，这种仅有2D的视角不可避免地容许了它们在许多领域的实际应用于，例如制备数据分解，机器人自学，视觉现实和游戏行业。

”VON通过牵头制备三维形状和二维图像来解决问题这个问题，研究人员将其称作“找出对象回应”。图像分解模型被分解成为三个因素：形状，视点和纹理，首先自学在计算出来“2．5D”草图和加到纹理之前制备三维形状。

最重要的是，因为这三个因素是条件独立国家的，所以模型不必须二维和三维形状之间的筛选数据。这使得团队需要在大规模的二维图像和三维形状子集上展开训练，如Pix3D，Google图像搜寻和ShapeNet，后者包括55个对象类别的数千个CAD模型。为了让VON自学如何分解自己的形状，该团队训练了一个分解对付网络（GAN），一个由分解样本和鉴别器构成的生成器构成的两部分神经网络，企图区分分解的样本和现实世界样本，在上述三维形状数据集上。纹理分解被降级到另一个基于GAN的神经网络。

本文来源：爱体育app官网登录入口-www.zgyqwlw.com