逼人去学挖掘机！朱俊彦团队新AI模型发布：设计

事情是这样的：

量子位在微博上搬运了朱俊彦团队的新成果，一个能将2D草图一键变成3D模型的新算法，却意外引发设计圈盆友们的热烈转发讨论。

配文全是 沃日 、 ？？？

简单来说，这个模型能让非常粗糙的简笔画，一键变成逼真3D模型。

还支持实时编辑，不满意的地方擦掉重画，立马生成一个新的：

要知道之前的 图转图 模型，基本都是停留在2D层面，这回直接变3D真是一个突破。

也确实是生产力利器。

但没想到，是设计圈先感到了危机。有圈内博主就觉得又要被AI抢饭碗了，随后也有很多人跟转了这一条。

所以论文成果到底说了啥？一起来看。

可从任意角度实时编辑

现在有很多图-图的转换模型，但基本上都是2D-2D。

这是因为从2D到3D，在训练和测试过程中都有很大挑战。

训练方面，想要把2D输入图像和3D输出图像配对，需要庞大数据集，成本会很高。

测试方面，为了得到不同角度的3D模型，需要输入图像的多个视角，但是二者之间可能存在不一致的情况，导致生成效果不好。

为了解决这些问题，朱俊彦团队提出了使用3D神经场景表示（3D neural scene representations）的条件生成模型。

它只需要给定一个2D标签图（如语义分割图和勾线图），能为每个3D点匹配标签、颜色和密度等。实现在渲染图像的同时，像素对齐标签图像。

通过构建一个交互式系统，用户能在任何视角修改标签图，并生成与之相对的输出。

为了实现跨视图编辑，需要将额外的语音信息编码为3D的，然后通过图像重建和对抗损失（adversarial losses）的2D监督，来学习上述3D表示。

重建损失可以确保2D用户输入和相应的3D内容对齐，像素对齐条件鉴别器（ pixel-alignedconditional discriminator）也进一步促使外观和标签对应合理，并在新视角时也保持像素对齐。

最后，方法还提出了跨视图一致性损失，强制潜码在不同视点保持一致。

和不同模型对比显示，pix2pix-3D能在保持多视角一致的情况下，生成高质量结果。

消融实验结果同样显示，该方法的生成结果能更好和输入图像对齐。

不过研究团队也提出了方法的一些局限性。

第一，目前它还只能针对于单个对象；

第二，模型在训练过程中，需要与每个训练图像关联相机姿态（camera pose），推理时不需要。如果能不依赖于相机姿态，可以进一步扩大模型的使用范围。

朱俊彦团队出品

该论文成果来自朱俊彦团队。

朱俊彦，现任CMU计算机科学学院助理教授，是AI领域知名的青年学者。

2008年，朱俊彦进入清华大学计算机科学系，学习计算机科学专业。在同专业140人中，朱俊彦排名第2。

2012年清华本科毕业后，朱俊彦奔赴美国，在CMU和UC伯克利经过5年学习，获得了UC伯克利电气工程与计算机科学系的博士学位，师从Alexei Efros。

其博士毕业毕业论文Learning to Generate Images，获得了计算机图形学顶会ACM SIGGRAPH 2018 杰出博士论文奖 。

博士毕业后，朱俊彦来到MIT计算机与人工智能实验室（CSAIL），成为一名博士后研究员。2020年秋季，他回到曾经的母校CMU（卡内基梅隆大学），担任助理教授一职。

曾提出CycleGAN、GauGAN等明星模型。

△GauGAN支持涂鸦变风景画

△vid2vid支持从语义图生成真实场景

论文一作为Kangle Deng。他现在是卡耐基梅隆大学机器人学院的一名在读博士。

2020年从北京大学本科毕业。他以第一作者身份发表的论文，曾被CVPR 2022、ICLR 2021接收。