明敏 发自 凹非寺
量子位 | 大众号 QbitAI
CV大佬朱俊彦的新论文，让规划师们感觉危了。
事情是这样的：
量子位在微博上搬运了朱俊彦团队的新成果，一个能将2D草图一键变成3D模型的新算法，却意外引发规划圈盆友们的火热转发讨论。
配文满是“沃日”、“？？？”……
简单来说，这个模型能让十分粗糙的简笔画，一键变成传神3D模型。
还支撑实时修正，不满意的当地擦掉重画，立马生成一个新的：
要知道之前的“图转图”模型，基本都是停留在2D层面，这回直接变3D真是一个突破。
也确实是生产力利器。
但没想到，是规划圈先感到了危机。有圈内博主就觉得又要被AI抢饭碗了，随后也有很多人跟转了这一条。
所以论文成果到底说了啥？一起来看。
可从任意视点实时修正
现在有很多图-图的转换模型，但基本上都是2D-2D。
这是因为从2D到3D，在练习和测验过程中都有很大挑战。
练习方面，想要把2D输入图画和3D输出图画配对，需求庞大数据集，成本会很高。
测验方面，为了得到不同视点的3D模型，需求输入图画的多个视角，可是二者之间或许存在不一致的情况，导致生成效果欠好。
为了处理这些问题，朱俊彦团队提出了使用3D神经场景表明（3D neural scene representations）的条件生成模型。
它只需求给定一个2D标签图（如语义切割图和勾线图），能为每个3D点匹配标签、色彩和密度等。完成在烘托图画的同时，像素对齐标签图画。
通过构建一个交互式系统，用户能在任何视角修正标签图，并生成与之相对的输出。
为了完成跨视图修正，需求将额外的语音信息编码为3D的，然后通过图画重建和对立丢失（adversarial losses）的2D监督，来学习上述3D表明。
重建丢失能够保证2D用户输入和相应的3D内容对齐，像素对齐条件鉴别器（ pixel-alignedconditional discriminator）也进一步促进外观和标签对应合理，并在新视角时也坚持像素对齐。
最终，办法还提出了跨视图一致性丢失，强制潜码在不同视点坚持一致。
和不同模型对比显现，pix2pix-3D能在坚持多视角一致的情况下，生成高质量成果。
消融实验成果相同显现，该办法的生成成果能更好和输入图画对齐。
不过研究团队也提出了办法的一些局限性。
榜首，目前它还只能针对于单个对象；
第二，模型在练习过程中，需求与每个练习图画相关相机姿态（camera pose），推理时不需求。如果能不依赖于相机姿态，能够进一步扩大模型的使用范围。
朱俊彦团队出品
该论文成果来自朱俊彦团队。
朱俊彦，现任CMU计算机科学学院助理教授，是AI领域闻名的青年学者。
2008年，朱俊彦进入清华大学计算机科学系，学习计算机科学专业。在同专业140人中，朱俊彦排名第2。
2012年清华本科毕业后，朱俊彦奔赴美国，在CMU和UC伯克利经过5年学习，获得了UC伯克利电气工程与计算机科学系的博士学位，师从Alexei Efros。
其博士毕业毕业论文Learning to Generate Images，获得了计算机图形学顶会ACM SIGGRAPH 2018“杰出博士论文奖”。
博士毕业后，朱俊彦来到MIT计算机与人工智能实验室（CSAIL），成为一名博士后研究员。2020年秋季，他回到从前的母校CMU（卡内基梅隆大学），担任助理教授一职。
曾提出CycleGAN、GauGAN等明星模型。
△GauGAN支撑涂鸦变风景画
论文一作为Kangle Deng。他现在是卡耐基梅隆大学机器人学院的一名在读博士。
2020年从北京大学本科毕业。他以榜首作者身份发表的论文，曾被CVPR 2022、ICLR 2021接收。
论文地址：
arxiv.org/abs/2302.08…
—完—
@量子位 追寻AI技能和产品新动态
深有感触的朋友，欢迎附和、关注、共享三连’ᴗ’ ❤
