据悉，伯克利人工智能研究实验室的研究人员开发出一种根据一张2D彩色图片来创建精确的3D模型的方法。该技术使用“分层表面预测（HSP）”来识别空白空间、占用空间和关键边界，可应用于虚拟现实、3D打印和其他涉及3D模型的领域。

“即使只看到一张图片，人类也可以毫不费力地理解物体和场景的形状，但如何让机器拥有这种能力呢？秘密是将一张图片的体积元素（体素）分为三类：占用空间、空白空间和边界。之前的将2D图像转换为3D模型的尝试只处理了两种空间，而这妨碍了高分辨率，”研究人员解释说。

研究人员表示，边界的使用大大提升了分辨率。他们的新方法不太关心2D图片中的单个体素，因为单个体素几乎无法提供与3D形状相关的有用信息，而是明确地专注于表面，这些表面是生成3D模型的关键。

为了测试这种HSP系统，研究团队试图从单张彩色图片中提取高分辨率的几何图形，并将自己的方法与其他两种预测技术——低分辨率硬（LR hard），一种二进制方法和低分辨率软（LR soft），一种分数法——进行对比。结果表明，相比其他两种方法，新方法能从最初的2D图片中生成更精确的3D图像。

虽然这样的计算方法还无法与人类大脑匹敌，但这个巧妙的新方法可能为进一步的研究奠定了基础。

（编译自3ders.org）来源：天工社

据悉，伯克利人工智能研究实验室的研究人员开发出一种根据一张2D彩色图片来创建精确的3D模型的方法。该技术使用“分层表面预测（HSP）”来识别空白空间、占用空间和关键边界，可应用于虚拟现实、3D打印和其他涉及3D模型的领域。

“即使只看到一张图片，人类也可以毫不费力地理解物体和场景的形状，但如何让机器拥有这种能力呢？秘密是将一张图片的体积元素（体素）分为三类：占用空间、空白空间和边界。之前的将2D图像转换为3D模型的尝试只处理了两种空间，而这妨碍了高分辨率，”研究人员解释说。

研究人员表示，边界的使用大大提升了分辨率。他们的新方法不太关心2D图片中的单个体素，因为单个体素几乎无法提供与3D形状相关的有用信息，而是明确地专注于表面，这些表面是生成3D模型的关键。

为了测试这种HSP系统，研究团队试图从单张彩色图片中提取高分辨率的几何图形，并将自己的方法与其他两种预测技术——低分辨率硬（LR hard），一种二进制方法和低分辨率软（LR soft），一种分数法——进行对比。结果表明，相比其他两种方法，新方法能从最初的2D图片中生成更精确的3D图像。

虽然这样的计算方法还无法与人类大脑匹敌，但这个巧妙的新方法可能为进一步的研究奠定了基础。

（编译自3ders.org）来源：天工社