AI通过照片创建3D模型，3D建模师也要失业？

之前，我们提到了【两分钟论文#161】AI创建用户界面，前端将失业？神器pix2code！搞得前端界人心惶惶。现在告诉前端界一个好消息，You are not alone！3D建模领域未来也将被彻底颠覆！

各位同学大家好，又到了我们的「两分钟AI小课堂」。

今天我们来讲一下AI，尤其是DNN在3D建模中的应用。通过照片和图像来还原3D模型是一个大胆的想法，之前也有许多人做过相关研究。

MIT的研究者们采用了3D-GAN网络来通过图片生成3D模型。这种技术可以运用在多个领域，与3D打印结合，与数字建模结合，与自动驾驶技术结合。

不同的3D模型间可以进行插值，比如从汽车变为快艇；也可以进行代数计算，从有扶手的椅子变为无扶手的椅子。

相信不久之后更多的工作会陆续出来，比如材质纹理和刚体的功能也会加上去。到时候，平面设计师还是3D建模师的工作量都会大大减轻！

MIT的这篇文章研究3D对象生成的问题。我们提出一个新颖的框架，即3D生成对抗网络（3D-GAN），通过利用体积卷积网络和生成对抗网络的最新进展，从概率空间生成3D对象。我们的模型的好处有三：

首先，使用对抗标准，而不是传统的启发式标准，使生成器能够隐含地捕获对象结构并合成高质量的3D对象；

第二，生成器建立从低维概率空间到3D对象空间的映射，使得我们可以在没有参考图像或CAD模型的情况下对样本进行采样，并探索3D对象流形；

第三，对抗鉴别器提供了一个强大的3D形状描述符，它在没有监督的情况下学习，在3D对象识别中有广泛的应用。

实验表明，我们的方法生成高质量的3D对象，我们无监督学习的功能在3D对象识别方面实现了令人印象深刻的性能，与受监督的学习方法相当。

论文在此：

"Learning a Probabilistic Latent Space of Object Shapes via 3D Generative-Adversarial Modeling"

http://3dgan.csail.mit.edu/

https://arxiv.org/pdf/1610.07584v2.pdf