Abracadabra！

在2D生成3D模型上，英偉達(dá)亮出了自稱(chēng)「世界級(jí)」研究：GET3D。

通過(guò)2D圖像訓(xùn)練后，該模型可生成具有高保真紋理和復(fù)雜幾何細(xì)節(jié)的3D形狀。

究竟有多厲害？

形狀、紋理、材質(zhì)自定義

GET3D之所以得名，是因?yàn)樗軌蛏娠@式紋理3D網(wǎng)格（Generate Explicit Textured 3D meshes ）。

論文地址：https://arxiv.org/pdf/2209.11163.pdf

也就是說(shuō)，它創(chuàng)建的形狀是三角形網(wǎng)格的形式，就像紙模型一樣，上面覆蓋著紋理材質(zhì)。

關(guān)鍵是，這個(gè)模型可以生成多種多樣，且高質(zhì)量的模型。

比如，椅子腿上的各種輪子；汽車(chē)的車(chē)輪，燈和車(chē)窗；動(dòng)物的耳朵、角；摩托車(chē)的后視鏡，車(chē)輪胎上的紋理；高跟鞋，人類(lèi)衣服...

街道兩旁的獨(dú)特建筑，不同的車(chē)輛呼嘯而過(guò)，還有不同的人群穿梭而過(guò)...

若想通過(guò)手動(dòng)建模做出同樣的3D虛擬世界非常耗時(shí)。

盡管先前的3D生成AI模型雖然比手動(dòng)建模更快，但它們?cè)谏筛嘭S富細(xì)節(jié)模型的能力還是欠缺。

即便是，最新的逆向渲染方法也只能基于從各個(gè)角度拍攝的2D圖像生成3D對(duì)象，開(kāi)發(fā)人員一次只能構(gòu)建一個(gè)3D物體。

GET3D可就不一樣了。

開(kāi)發(fā)者可以輕松地將生成模型導(dǎo)入到游戲引擎、3D建模器和電影渲染器中，對(duì)它們進(jìn)行編輯。

當(dāng)創(chuàng)建者將GET3D生成的模型導(dǎo)出到圖形應(yīng)用程序，他們就可以在模型所在的場(chǎng)景中移動(dòng)或旋轉(zhuǎn)時(shí)應(yīng)用逼真的照明效果。

如圖所示：

另外，GET3D還可以做到文本引導(dǎo)形狀生成。

通過(guò)使用英偉達(dá)的另一個(gè)AI工具StyleGAN-NADA，開(kāi)發(fā)人員可以使用文本提示為圖像添加特定的風(fēng)格。

比如，可以將渲染后的汽車(chē)變成一輛燒毀的汽車(chē)或出租車(chē)

將一個(gè)普通的房子改造成磚房、著火的房子，甚至是鬼屋。

或者將老虎紋、熊貓紋的特色應(yīng)用在任何動(dòng)物身上...

簡(jiǎn)直就是辛普森一家的「動(dòng)物森友會(huì)」...

英偉達(dá)介紹，在單個(gè)英偉達(dá)GPU上訓(xùn)練，GET3D每秒可以生成大約20個(gè)對(duì)象。

在此，它所學(xué)習(xí)的訓(xùn)練數(shù)據(jù)集越大、越多樣化，輸出的多樣性和詳細(xì)程度就越高。

英偉達(dá)稱(chēng)，研究團(tuán)隊(duì)僅用2天時(shí)間，就使用A100 GPU在大約100萬(wàn)張圖像上訓(xùn)練了模型。

研究方法與過(guò)程

GET3D框架，主要作用是合成有紋理的三維形狀。

生成過(guò)程分為兩個(gè)部分：第一部分是幾何分支，可以輸出任意拓?fù)浣Y(jié)構(gòu)的表面網(wǎng)格。另一部分則是紋理分支，它會(huì)產(chǎn)生一個(gè)紋理場(chǎng)，由此可以在表面點(diǎn)上進(jìn)行查詢。

在訓(xùn)練過(guò)程中，一個(gè)可微分光柵化器被用來(lái)高效渲染所產(chǎn)生的紋理網(wǎng)格，并渲染成二維的高分辨率圖像。整個(gè)過(guò)程是可分的，允許通過(guò)傳播二維判別器的梯度，從圖像中進(jìn)行對(duì)抗性訓(xùn)練。

之后，梯度從二維判別器傳播到兩個(gè)發(fā)生器分支。

研究人員又進(jìn)行了廣泛的實(shí)驗(yàn)來(lái)評(píng)估該模型。他們首先將GET3D生成的三維紋理網(wǎng)格的質(zhì)量與現(xiàn)有的使用ShapeNet和Turbosquid數(shù)據(jù)集生成的做比較。

接下來(lái)，研究人員根據(jù)對(duì)比結(jié)果在之后的研究中對(duì)模型進(jìn)行了優(yōu)化，并做了更多實(shí)驗(yàn)。

GET3D模型在幾何形狀和紋理能夠?qū)崿F(xiàn)相分離。

如圖，在每一行中展示了由相同的幾何隱藏代碼生成的形狀，同時(shí)更改了紋理代碼。

在每一列中展示了由相同的紋理隱藏代碼生成的形狀，同時(shí)更改了幾何代碼。

另外，研究人員在每一行中相同的紋理隱藏代碼生成的形狀，從左到右插入幾何隱藏代碼。

并由相同的幾何隱藏代碼生成的形狀，同時(shí)從上到下插入紋理代碼。結(jié)果顯示，每個(gè)插值對(duì)生成模型都是有意義的。

在每個(gè)模型的子圖中，GET3D能夠在所有類(lèi)別的不同形狀之間的生成實(shí)現(xiàn)平滑過(guò)渡。

在每一行中，通過(guò)添加一個(gè)小噪聲來(lái)局部擾亂隱藏代碼。通過(guò)這種方式，GET3D能夠在局部生成外觀相似但略有差異的形狀。

研究人員指出，未來(lái)版本的GET3D可以使用攝像機(jī)姿態(tài)估計(jì)技術(shù)，讓開(kāi)發(fā)人員訓(xùn)練模型的現(xiàn)實(shí)世界的數(shù)據(jù)，而不是合成數(shù)據(jù)集。

未來(lái)，通過(guò)改進(jìn)，開(kāi)發(fā)人員可以在各種3D形狀上一次性訓(xùn)練GET3D，而不需要一次在一個(gè)對(duì)象類(lèi)別上訓(xùn)練它。

英偉達(dá)人工智能研究副總裁Sanja Fidler表示，

GET3D讓我們離人工智能驅(qū)動(dòng)的3D內(nèi)容創(chuàng)作大眾化又近了一步。它即時(shí)生成帶紋理3D形狀的能力可能會(huì)改變開(kāi)發(fā)人員的游戲規(guī)則，幫助他們用各種有趣的對(duì)象快速填充虛擬世界。

作者介紹

論文一作Jun Gao是多倫多大學(xué)機(jī)器學(xué)習(xí)小組的博士生，導(dǎo)師是Sanja Fidler。

除了學(xué)歷優(yōu)異以外，他還是英偉達(dá)多倫多人工智能實(shí)驗(yàn)室的研究科學(xué)家。

他的研究主要集中在深度學(xué)習(xí)（DL），目標(biāo)直指結(jié)構(gòu)化幾何表示學(xué)習(xí)。同時(shí)，他的研究還從人類(lèi)對(duì)2D和3D圖像、視頻的感知中獲得見(jiàn)解。

這么一位優(yōu)秀的高材生，來(lái)自北京大學(xué)。他于2018年本科畢業(yè)，獲得學(xué)士學(xué)位。在北大期間，他和王立威教授一同工作。

畢業(yè)后他還在斯坦福大學(xué)、MSRA和英偉達(dá)進(jìn)行過(guò)實(shí)習(xí)。

Jun Gao的導(dǎo)師同樣是業(yè)內(nèi)翹楚。

Fidler是多倫多大學(xué)的副教授，Vector研究所的一名教師，同時(shí)，她還是該研究所的聯(lián)合創(chuàng)始成員之一。

教學(xué)之外，她還是英偉達(dá)公司的人工智能研究副總裁，領(lǐng)導(dǎo)著多倫多的一個(gè)研究實(shí)驗(yàn)室。

在來(lái)到多倫多之前，她是芝加哥豐田技術(shù)研究所的研究助理教授。該研究所位于芝加哥大學(xué)校園內(nèi)，算是個(gè)學(xué)術(shù)機(jī)構(gòu)。

Fidler的研究領(lǐng)域集中在計(jì)算機(jī)視覺(jué)（CV）和機(jī)器學(xué)習(xí)（ML），聚焦于CV和圖形學(xué)的交叉領(lǐng)域、三維視覺(jué)，以及三維重建與合成，還有圖像注釋的互動(dòng)方法等等。