新的AI技术可以从二维图像中创建三维形状

使用机器学习和深度学习的人工智能方法的新技术能够从二维图像(例如照片)创建三维形状，甚至能够创建新的，前所未见的形状。

普渡大学的Donald W. Feddersen机械工程教授Karthik Ramani表示，AI深度学习的“神奇”能力是能够抽象地学习。

“如果你展示成千上万种形状的东西，比如汽车，如果你再把它展示成汽车的二维图像，它可以用三维重建那个模型，”他说。“它甚至可以拍摄两张二维图像，并在两者之间形成一个三维形状，我们称之为'幻觉'。”

完全开发后，这种称为SurfNet的方法可以在互联网上的三维搜索领域中具有重要应用，并且可以帮助机器人和自动驾驶车辆更好地了解周围环境。

然而，最令人兴奋的是，该技术可以通过简单地使用标准的2-D照片来创建虚拟现实和增强现实的3D内容。

“你可以想象一个正在拍摄二维照片的电影摄像机，但在虚拟现实世界中，一切都在三维中神奇地出现，”拉马尼说。“我们将继续前进，在接下来的五年里，这样的事情将会发生。

完全开发后，这种称为SurfNet的方法可以在互联网上的三维搜索领域中具有重要应用，并且可以帮助机器人和自动驾驶车辆更好地了解周围环境。

然而，最令人兴奋的是，该技术可以通过简单地使用标准的2-D照片来创建虚拟现实和增强现实的3D内容。

“你可以想象一个正在拍摄二维照片的电影摄像机，但在虚拟现实世界中，一切都在三维中神奇地出现，”拉马尼说。“我们将继续前进，在接下来的五年里，这样的事情将会发生。

“很快我们将处于人类无法区分现实与虚拟现实的阶段。”

然后，计算机系统成对地学习3-D图像和2-D图像，然后能够仅从2-D图像预测其他类似的3-D形状。

“这非常类似于相机或扫描仪仅使用三种颜色，红色，绿色和蓝色(称为RGB)来创建彩色图像，除了我们使用XYZ坐标，”他说。

Ramani表示，与目前使用体积像素(或体素)的3D深度学习方法相比，这种技术还可以提供更高的准确度和精度。

“我们使用曲面代替，因为它完全定义了形状。这是这种方法的一个有趣的分支。因为我们正在二维域中重建三维结构，而不是像你那样做1000个数据点否则，与其他新兴方法相比，我们可以做到10,000点。我们更高效，更紧凑。“

该研究的一个重要成果是未来的机器人，物体识别甚至自动驾驶汽车; 他们只需要配备标准的2-D摄像头，但仍然能够理解他们周围的3D环境。

拉马尼说，为了开展这项研究，需要对人工智能进行更多的基础研究。

“没有一盒机器学习算法，我们可以采用这些算法并应用它们，而且事情神奇地起作用，”他说。“要从平地迁移到三维世界，我们需要更多的基础研究。我们正在推动，但深度学习的数学和计算技术仍在发明，并且在三维中基本上是一个未知领域。”