卡内基梅隆大学和富士通的研究人员开发了一种将2D图像转换为3D结构的新方法。

这项工作由Laszlo a . Jeni在计算机科学学院的CUBE实验室领导，代表了解决计算机视觉长期挑战的重大突破。

动态光场网络(DyLiN)利用人工智能处理非刚性变形和拓扑变化，超越了当前的静态光场网络。

“使用2D图像创建3D结构是一个复杂的过程，需要对如何处理变形和变化有深刻的理解。DyLiN是我们解决这个问题的答案，它已经在速度和视觉保真度方面比现有的方法有了显著的改进，”机器人研究所的教授Jeni说。

DyLiN学习从输入射线到规范射线的变形场，并将它们提升到更高的维度空间以处理不连续。该团队还引入了CoDyLiN，它通过可控制的属性输入增强了DyLiN。这两个模型都是通过预训练的动态辐射场的知识蒸馏来训练的。

在测试过程中，DyLiN在包含各种非刚性变形的合成和实际数据集上都表现出优异的性能。DyLiN在视觉保真度方面与最先进的方法相匹配，同时计算速度快25-71倍。在对带有属性注释的数据进行测试时，CoDyLiN超越了它的教师模型。

“DyLiN和CoDyLiN所取得的进步标志着实时体渲染和动画的一个令人兴奋的进展，”Jeni说。“在不牺牲保真度的情况下提高速度，为各种应用带来了无限的机会。”

这项研究得到了富士通美国研究院的支持，代表了3D建模和渲染领域的重大进步。这些方法的实现可以彻底改变严重依赖可变形3D模型的行业，例如虚拟仿真、增强现实、游戏和动画。DyLiN和CoDyLiN可以在基于2D图像的虚拟3D空间内准确渲染和分析人体运动的变化。它能够从实际图像中创建一个3D化身，从而将真人的面部表情转移到虚拟人物身上。

这项研究是由来自CMU机器人研究所的Jeni、Heng Yu、Joel Julin、Zoltan A. Milacski和来自美国富士通研究院的Koichiro Niinuma共同完成的。该团队在6月份的视觉与模式识别会议上发表了他们的论文“DyLiN:使光场网络动态”。更多信息可以在该项目的网站上找到。

閹垫捁绁�

娑撳娴囩€瑰宓庢导锔炬暩鐎涙劒鍔熼妴濠団偓姘崇箖缂佸棜鍎禒锝堥樋閹活厾銇氶弬鎵畱閼筋垳澧块棃鍓佸仯閵嗗甯扮槐銏狀洤娴ｆ洟鈧俺绻冩禒锝堥樋閸掑棙鐎芥穱鍐箻閹劎娈戦懡顖滃⒖閸欐垹骞囬惍鏃傗敀

10x Genomics閺傛澘鎼isium HD 瀵偓閸氼垰宕熺紒鍡氬劒閸掑棜椴搁悳鍥╂畱閸忋劏娴嗚ぐ鏇犵矋缁屾椽妫块崚鍡樼€介敍锟�

濞嗐垼绻嬫稉瀣祰Twist閵嗗﹣绗夐弬顓炲綁閸栨牜娈慍RISPR缁涙盯鈧鐗哥仦鈧妴瀣暩鐎涙劒鍔�

閸楁洜绮忛懗鐐寸ゴ鎼村繐鍙嗛梻銊ャ亣鐠佹彃鐖� - 濞ｅ崬鍙嗘禍鍡毿掓禒搴ｎ儑娑撯偓娑擃亜宕熺紒鍡氬劒鐎圭偤鐛欑拋鎹愵吀閸掔増鏆熼幑顔垮窛閹貉傜瑢閸欘垵顫嬮崠鏍掗弸锟�

娑撳娴囬妴濠勭矎閼崇偛鍞撮摂瀣鐠愩劋绨版担婊冨瀻閺嬫劖鏌熷▔鏇犳暩鐎涙劒鍔熼妴锟�