微软新 AI 框架或成游戏业福音

一篇预印论文，展示了其在非结构化 2D 图像的基础上生成 3D 形状图像的能力。

通常来说，训练这样的框架需要通过栅格化处理来进行微分步骤渲染，因此，过去研究人员在该领域的努力都专注于开发定制渲染模型。然而，通过此类模型处理的图像会显得不够真实自然，也不适合用于生成游戏以及图形产业的工业效果图。

微软的研究人员这一次做了新的突破——他们在论文中详细介绍了一个框架，该框架采用的“可缩放”训练技术是第一次被用于这一领域。研究人员提到，在使用 2D 图像进行训练时，该框架始终可以比现有的模型生成效果更好的 3D 形状，这对于视频游戏开发人员、电子商务公司，以及缺乏创建 3D 模型经验的动画公司来说，称得上是“福音”。     

具体来说，研究人员试图利用功能齐全的工业渲染器，该渲染器可以根据显示数据来生成图像。为此，研究人员训练了 3D 形状的生成模型，以便渲染形状并生成与 2D 数据集分布相匹配的图像。生成器模型采用随机输入向量（代表数据集特征的值）并生成 3D 对象的连续体素表示（3D 空间中网格上的值），然后将体素输入到不可微分的渲染过程中，并在使用现有渲染器进行渲染之前将其阈值降低为离散值。

也就是说，这是一种新颖的代理神经渲染器直接渲染由 3D 形状生成模型生成的连续体素网格的方式。正如研究人员所解释的那样，在给定 3D 网格输入的情况下，需要对其进行训练以匹配现成渲染器的渲染输出。       

生成式对抗网络（GANS）在产生 2D 图像数据方面的成果令人印象深刻，

（编辑：威海站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!