用層進表面預測來重建三維物體 | 2分鐘讀論文

雷鋒網(公眾號：雷鋒網)AI研習社【本期論文】

Hierarchical Surface Prediction for 3D Object Reconstruction

用層進表面預測來重建三維物體

用圖像來重建3D數字幾何結構是計算機視覺領域一個非常核心的問題。這種技術在許多領域都有廣泛的應用，例如電影制作、視頻游戲的內容生成、虛擬現實和增強現實、3D打印等等。

伯克利人工智能研究中心的Christian H?ne等人發表一篇論文 Hierarchical Surface Prediction for 3D Object Reconstruction，論文中他們討論如何從單張色彩圖像重建出高質量的3D幾何結構，就像下面這幅圖所顯示的。

人類可以輕易地基于2D彩色圖片，建立3D幾何模型。在電子游戲和動畫電影中，這樣的例子不勝枚舉。如果我們想要在游戲中新增一種武器，通常美術師可以根據簡單的一副照片，就可以繪制出一個相似的3D幾何模型。

如果人類可以辦到，機器人未嘗不能小試牛刀。在類似上文描述的建模過程中，有個問題由此引出——人類的雙目視覺，針對3D幾何建模，是否完全必要？

數學家通常會說，這種算法具有三次復雜度或者三位縮放。這就意味著，如果我們想提高哪怕一點點3D模型的分辨率，也都需要再花費很長很長時間。三維部件的難度非常大，即便是采用這種的方法，使用適高分辨率，也是不能忍受的。

本期論文提供了一個打破這種限制的方法，這種新的方法依然采用學習算法來預測幾何體，但是它是分步驟建立3D模型：這意味著剛開始，它只是估計粗略的幾何形體，然后重復上述過程，增加越來越多的細節，幾步過后，幾何體變得越來越精細。

現在，只有我們很仔細地設計精細算法才會起作用。如何實現精細化呢？論文討論了利用創建模型的每一步蘊含的額外信息，也就是說，我們把預測的3D模型想象成一些小塊的集合，每一個快被分類成空閑空間，被占用的空間或表面。通過這項分類， 我們才有可能集中精力去精細化模型的表面，這顯著改善了算法運行的時間。結果，相比于之前的方法，我們得到了更高分辨率的3D模型。雖然輸出結果仍然不是超高分辨率，但是結果捕獲了相當數量的表面細節信息。

這篇論文在將來可以節省很多業內3D建模美術家的時間。科學研究是人類進步的基石，期待以后會有更多相關課題的研究可以改變世界，讓我們的生活變得更加美好。

? 觀看論文解讀大概需要  3  分鐘

學霸們還請自行閱讀論文以獲得更多細節

論文傳送：https://arxiv.org/abs/1705.08168（需翻墻）

雷鋒網AI研習社出品系列短視頻《 2 分鐘論文 》，帶大家用碎片時間閱覽前沿技術，了解 AI 領域的最新研究成果。歡迎關注雷鋒網雷鋒字幕組專欄，獲得更多AI知識~感謝志愿者對本期內容作出貢獻。

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。