當AI擁有“想象力”是一種什么樣的體驗?

像左上角這樣，只給出一個凳子的椅座部分，AI就很快就腦補出了一張完整的三維椅子模型：

類似的，當面對經(jīng)典的“用PS讓大象轉(zhuǎn)身”的甲方需求，我們拿到了這樣一張汽車屁股的照片：

AI也可以根據(jù)已有的局部信息，迅速推斷出缺失部分，并最終建模得到一個3D汽車模型。

這項研究成果來自深圳大學黃慧教授帶領的研究團隊，其論文最近剛剛被計算機視覺領域的頂級會議CVPR 2022接收，論文的第一作者為深圳大學視覺計算中心的研究助理閆星光。

接下來，就來一起看看一張局部照片是如何一步一步變?yōu)檎w建模的。

一個完整的三維建模的形狀通常是通過相機探測和表面取樣獲得的，而局部照片就意味著只能從物體的可見部分獲得信息，導致了不同的采樣密度和缺失。

那么這時，就要通過觀察已有數(shù)據(jù)中的非局部的提示，使用各種形式的先驗知識推斷出缺失部分。

于是，作者首先提出了一種矢量量化(Vector Quantization)的深度隱式函數(shù)(Deep Implicit Function)，VQDIF。

這是一種三維表示方法，可以將表面形狀洗漱地編碼為離散的二元組序列，每個序列代表一個局部特征的位置和內(nèi)容，也就是這樣一個過程：

其次，作者提出了一個基于Transformer的自回歸模型，ShapeFormer，基于上一步中生成的二元組序列，順序地預測出完整序列的分布。

這里的Transformer是2014年的一個模型，能夠利用注意力機制(Attention)來提高模型訓練速度，最初一經(jīng)推出就在自然語言理解領域(NLP)取得了突破性進展，近幾年也有不少將其應用在計算機視覺領域(CV)的跨界研究。

而通過對上一步所預測出的分布進行抽樣，可以得到不同的預測結果。

除了像桌椅這種平面形狀，AI也在訓練中學會了對稱性、空心、填充等不少技能，因此也可以生成像是茶壺或水壺這樣的三維模型。

作者也在論文中表示，比起已有的許多三維圖像生成方法，ShapeFormer產(chǎn)生的結果可以保留更多的原圖細節(jié)。

同時，這種AI的“想象力”也極為豐富，比如面對人類這樣一個姿勢具有極大不確定性的生成目標，作者從完整的模型中隨機選擇一小部分，而AI在保持觀察到身體部位的姿勢的前提下，還生成了多種可能的姿勢。

關鍵詞： AI想象力恐怖如斯 AI擁有想象力 AI擁有想象力是一種什么樣的體驗 AI想象力是什么