使用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的人工智能方法的新技術(shù)能夠從二維圖像(例如照片)創(chuàng)建三維形狀，甚至能夠創(chuàng)建新的，前所未見(jiàn)的形狀。

普渡大學(xué)的Donald W. Feddersen機(jī)械工程教授Karthik Ramani表示，AI深度學(xué)習(xí)的“神奇”能力是能夠抽象地學(xué)習(xí)。

“如果你展示成千上萬(wàn)種形狀的東西，比如汽車，如果你再把它展示成汽車的二維圖像，它可以用三維重建那個(gè)模型，”他說(shuō)。“它甚至可以拍攝兩張二維圖像，并在兩者之間形成一個(gè)三維形狀，我們稱之為'幻覺(jué)'。”

完全開(kāi)發(fā)后，這種稱為SurfNet的方法可以在互聯(lián)網(wǎng)上的三維搜索領(lǐng)域中具有重要應(yīng)用，并且可以幫助機(jī)器人和自動(dòng)駕駛車輛更好地了解周圍環(huán)境。

然而，最令人興奮的是，該技術(shù)可以通過(guò)簡(jiǎn)單地使用標(biāo)準(zhǔn)的2-D照片來(lái)創(chuàng)建虛擬現(xiàn)實(shí)和增強(qiáng)現(xiàn)實(shí)的3D內(nèi)容。

“你可以想象一個(gè)正在拍攝二維照片的電影攝像機(jī)，但在虛擬現(xiàn)實(shí)世界中，一切都在三維中神奇地出現(xiàn)，”拉馬尼說(shuō)。“我們將繼續(xù)前進(jìn)，在接下來(lái)的五年里，這樣的事情將會(huì)發(fā)生。

完全開(kāi)發(fā)后，這種稱為SurfNet的方法可以在互聯(lián)網(wǎng)上的三維搜索領(lǐng)域中具有重要應(yīng)用，并且可以幫助機(jī)器人和自動(dòng)駕駛車輛更好地了解周圍環(huán)境。

然而，最令人興奮的是，該技術(shù)可以通過(guò)簡(jiǎn)單地使用標(biāo)準(zhǔn)的2-D照片來(lái)創(chuàng)建虛擬現(xiàn)實(shí)和增強(qiáng)現(xiàn)實(shí)的3D內(nèi)容。

“你可以想象一個(gè)正在拍攝二維照片的電影攝像機(jī)，但在虛擬現(xiàn)實(shí)世界中，一切都在三維中神奇地出現(xiàn)，”拉馬尼說(shuō)。“我們將繼續(xù)前進(jìn)，在接下來(lái)的五年里，這樣的事情將會(huì)發(fā)生。

“很快我們將處于人類無(wú)法區(qū)分現(xiàn)實(shí)與虛擬現(xiàn)實(shí)的階段。”

然后，計(jì)算機(jī)系統(tǒng)成對(duì)地學(xué)習(xí)3-D圖像和2-D圖像，然后能夠僅從2-D圖像預(yù)測(cè)其他類似的3-D形狀。

“這非常類似于相機(jī)或掃描儀僅使用三種顏色，紅色，綠色和藍(lán)色(稱為RGB)來(lái)創(chuàng)建彩色圖像，除了我們使用XYZ坐標(biāo)，”他說(shuō)。

Ramani表示，與目前使用體積像素(或體素)的3D深度學(xué)習(xí)方法相比，這種技術(shù)還可以提供更高的準(zhǔn)確度和精度。

“我們使用曲面代替，因?yàn)樗耆x了形狀。這是這種方法的一個(gè)有趣的分支。因?yàn)槲覀冋诙S域中重建三維結(jié)構(gòu)，而不是像你那樣做1000個(gè)數(shù)據(jù)點(diǎn)否則，與其他新興方法相比，我們可以做到10,000點(diǎn)。我們更高效，更緊湊。“

該研究的一個(gè)重要成果是未來(lái)的機(jī)器人，物體識(shí)別甚至自動(dòng)駕駛汽車; 他們只需要配備標(biāo)準(zhǔn)的2-D攝像頭，但仍然能夠理解他們周圍的3D環(huán)境。

拉馬尼說(shuō)，為了開(kāi)展這項(xiàng)研究，需要對(duì)人工智能進(jìn)行更多的基礎(chǔ)研究。

“沒(méi)有一盒機(jī)器學(xué)習(xí)算法，我們可以采用這些算法并應(yīng)用它們，而且事情神奇地起作用，”他說(shuō)。“要從平地遷移到三維世界，我們需要更多的基礎(chǔ)研究。我們正在推動(dòng)，但深度學(xué)習(xí)的數(shù)學(xué)和計(jì)算技術(shù)仍在發(fā)明，并且在三維中基本上是一個(gè)未知領(lǐng)域。”