当前位置:首页 > 企业新闻 >

【快三平台】2D图像变3D,微软新AI框架或成游戏业福音

编辑:快三平台 来源:快三平台 创发布时间:2021-09-06阅读34699次
  

快三平台

快三平台:记录:右图是微软公司的模型分解的3D沙发,椅子和浴缸的图像已经在很多机构将2D图像切换为3D形式方面进行了尝试,包括Facebook、Nvidia等公司的AI研究室和Threedy.AI这样的初创公司。 最近,微软公司的研究小组也公开发表了显示根据非结构化的2D图像分解3D形状图像的能力的预印论文。

一般来说,训练这样的框架必须通过光栅化处理来展开微分步骤模式,因此过去的研究者在这个领域专注于定制模式模型的开发。 但是,这种模型处理的图像不太现实,也不适合作为分解游戏和图形产业的工业效果图。

首页

微软公司的研究者这次达成了新的突破——。 他们在论文中首次使用“可图形”的训练技术详细说明了这个领域中使用的框架。

研究人员表示,在用于2D图像展开训练时,该框架是比现有模型分解效果更高的3D形状,对视频游戏开发者、电子商务公司、没有创办3D模型经验的动画公司来说是“福音”。 具体来说,研究者打算利用能够根据显示数据分解图像的功能丰富的工业RenderMan。

首页

为此,研究者训练了3D形状的分解模型,制作了图形形状,分解了与2D数据集一致的图像。 生成器模型使用表示数据集特征的值即随机输出向量,分解3D对象的倒数体素响应(3D空间网格上的值),向无法微分的图形输出体素,生成现有的RenderMan展开图形也就是说,这是精密的代理神经RenderMan必要图形被3D形状分解模型分解的倒计时网格的方式。

如研究人员所说明的那样,在等效3D网格输出的情况下,为了提供现有的RenderMan的图形输入,必须展开训练。 生成式对应网络(GANS )在生成2D图像数据方面的成果令人印象深刻,游戏等许多视觉应用需要3D模型作为输出,在某种程度上是图像。 但是,需要将现有的GAN模型扩展到3D,必须提供3D训练数据。 (公众号:)录:右图分解微软公司模型的3D蘑菇图像,在实验过程中,研究小组在上述生成器中卷积了3d GAN架构(GAN是由两个部分组成的AI模型,为了分散采样从随机噪声中分析制造例, 基于3D模型分解的数据集和现实数据集可以从不同的快三平台对象类别创建图像,并在训练期间从不同的角度展开图形。

快三平台

研究者还回答说,因为他们的框架还没有从图像中提取灯和阴影信息,所以需要从各个训练样本中提取更有意义的数据,需要在此基础上得到更好的结果。 训练了自然图像的数据集后,这个框架可以分解精细的样本。 此外,该框架利用表面间的曝光差,顺利检测凹形物体的内部结构,正确捕捉凹形的程度和中空空间。 将颜色、材料、照明等信息划分为系统,将来这些信息可以与更好的“一般”实际数据集一起使用。

录:本论文的编译器从VentureBeat原创文章中,发布了许可禁令。 以下,听取刊登的心得。:快三平台。

本文来源:快三平台-www.julaszakovits.com

0171-579175405

联系我们

Copyright © 2010-2014 榆林市快三平台科技股份有限公司 版权所有  陕ICP备26223196号-5