一塊GPU，每秒20個模型！英偉達新玩具用GET3D造元宇宙

   新智元報道  

編輯：拉燕 桃子

【新智元導讀】 近日，英偉達釋出了最新的GET3D模型，能快速生成虛擬世界的物件，而且只需要一塊GPU每秒就能產出大約20個模型。

Abracadabra！

在2D生成3D模型上，英偉達亮出了自稱「世界級」研究：GET3D。

通過2D影象訓練後，該模型可生成具有高保真紋理和複雜幾何細節的3D形狀。

究竟有多厲害？

形狀、紋理、材質自定義

GET3D之所以得名，是因為它能夠生成顯式紋理3D網格（Generate Explicit Textured 3D meshes ）。

論文地址：https://arxiv.org/pdf/2209.11163.pdf

也就是說，它建立的形狀是三角形網格的形式，就像紙模型一樣，上面覆蓋著紋理材質。

關鍵是，這個模型可以生成多種多樣，且高質量的模型。

比如，椅子腿上的各種輪子；汽車的車輪，燈和車窗；動物的耳朵、角；摩托車的後視鏡，車輪胎上的紋理；高跟鞋，人類衣服...

街道兩旁的獨特建築，不同的車輛呼嘯而過，還有不同的人群穿梭而過...

若想通過手動建模做出同樣的3D虛擬世界非常耗時。

儘管先前的3D生成AI模型雖然比手動建模更快，但它們在生成更多豐富細節模型的能力還是欠缺。

即便是，最新的逆向渲染方法也只能基於從各個角度拍攝的2D影象生成3D物件，開發人員一次只能構建一個3D物體。

GET3D可就不一樣了。

開發者可以輕鬆地將生成模型匯入到遊戲引擎、3D建模器和電影渲染器中，對它們進行編輯。

當建立者將GET3D生成的模型匯出到圖形應用程式，他們就可以在模型所在的場景中移動或旋轉時應用逼真的照明效果。

如圖所示：

另外，GET3D還可以做到文字引導形狀生成。

通過使用英偉達的另一個AI工具StyleGAN-NADA，開發人員可以使用文字提示為影象新增特定的風格。

比如，可以將渲染後的汽車變成一輛燒燬的汽車或計程車

將一個普通的房子改造成磚房、著火的房子，甚至是鬼屋。

或者將老虎紋、熊貓紋、還有《辛普森一家》的特色應用在任何動物身上...

簡直就是辛普森一家的「動物森友會」...

英偉達介紹，在單個英偉達GPU上訓練，GET3D每秒可以生成大約20個物件。

在此，它所學習的訓練資料集越大、越多樣化，輸出的多樣性和詳細程度就越高。

英偉達稱，研究團隊僅用2天時間，就使用A100 GPU在大約100萬張影象上訓練了模型。

研究方法與過程

GET3D框架，主要作用是合成有紋理的三維形狀。

生成過程分為兩個部分：第一部分是幾何分支，可以輸出任意拓撲結構的表面網格。另一部分則是紋理分支，它會產生一個紋理場，由此可以在表面點上進行查詢。

在訓練過程中，一個可微分光柵化器被用來高效渲染所產生的紋理網格，並渲染成二維的高解析度影象。整個過程是可分的，允許通過傳播二維判別器的梯度，從影象中進行對抗性訓練。

之後，梯度從二維判別器傳播到兩個發生器分支。

研究人員又進行了廣泛的實驗來評估該模型。他們首先將GET3D生成的三維紋理網格的質量與現有的使用ShapeNet和Turbosquid資料集生成的做比較。

接下來，研究人員根據對比結果在之後的研究中對模型進行了優化，並做了更多實驗。

GET3D模型在幾何形狀和紋理能夠實現相分離。

如圖，在每一行中展示了由相同的幾何隱藏程式碼生成的形狀，同時更改了紋理程式碼。

在每一列中展示了由相同的紋理隱藏程式碼生成的形狀，同時更改了幾何程式碼。

另外，研究人員在每一行中相同的紋理隱藏程式碼生成的形狀，從左到右插入幾何隱藏程式碼。

並由相同的幾何隱藏程式碼生成的形狀，同時從上到下插入紋理程式碼。結果顯示，每個插值對生成模型都是有意義的。

在每個模型的子圖中，GET3D能夠在所有類別的不同形狀之間的生成實現平滑過渡。

在每一行中，通過新增一個小噪聲來區域性擾亂隱藏程式碼。通過這種方式，GET3D能夠在區域性生成外觀相似但略有差異的形狀。

研究人員指出，未來版本的GET3D可以使用攝像機姿態估計技術，讓開發人員訓練模型的現實世界的資料，而不是合成數據集。

未來，通過改進，開發人員可以在各種3D形狀上一次性訓練GET3D，而不需要一次在一個物件類別上訓練它。

英偉達人工智慧研究副總裁Sanja Fidler表示，

GET3D讓我們離人工智慧驅動的3D內容創作大眾化又近了一步。它即時生成帶紋理3D形狀的能力可能會改變開發人員的遊戲規則，幫助他們用各種有趣的物件快速填充虛擬世界。

作者介紹

論文一作Jun Gao是多倫多大學機器學習小組的博士生，導師是Sanja Fidler。

除了學歷優異以外，他還是英偉達多倫多人工智慧實驗室的研究科學家。

他的研究主要集中在深度學習（DL），目標直指結構化幾何表示學習。同時，他的研究還從人類對2D和3D影象、影片的感知中獲得見解。

這麼一位優秀的高材生，來自北京大學。他於2018年本科畢業，獲得學士學位。在北大期間，他和王立威教授一同工作。

畢業後他還在斯坦福大學、MSRA和英偉達進行過實習。

http://www.cs.toronto.edu/~jungao/

Jun Gao的導師同樣是業內翹楚。

Fidler是多倫多大學的副教授，Vector研究所的一名教師，同時，她還是該研究所的聯合創始成員之一。

教學之外，她還是英偉達公司的人工智慧研究副總裁，領導著多倫多的一個研究實驗室。

在來到多倫多之前，她是芝加哥豐田技術研究所的研究助理教授。該研究所位於芝加哥大學校園內，算是個學術機構。

Fidler的研究領域集中在計算機視覺（CV）和機器學習（ML），聚焦於CV和圖形學的交叉領域、三維視覺，以及三維重建與合成，還有影象註釋的互動方法等等。

https://www.cs.toronto.edu/~fidler/

參考資料：

https://blogs.nvidia.com/blog/2022/09/23/3d-generative-ai-research-virtual-worlds/

https://nv-tlabs.github.io/GET3D/

https://www.engadget.com/nvidia-ai-model-get3d-virtual-worlds-objects-130021127.html