一块GPU，每秒20个模型！英伟达新玩具用GET3D造元宇宙

新智元报道

编辑：拉燕 桃子

【新智元导读】近日，英伟达发布了最新的GET3D模型，能快速生成虚拟世界的对象，而且只需要一块GPU每秒就能产出大约20个模型。

Abracadabra！

在2D生成3D模型上，英伟达亮出了自称「世界级」研究：GET3D。

通过2D图像训练后，该模型可生成具有高保真纹理和复杂几何细节的3D形状。

究竟有多厉害？

形状、纹理、材质自定义

GET3D之所以得名，是因为它能够生成显式纹理3D网格（Generate Explicit Textured 3D meshes ）。

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

也就是说，它创建的形状是三角形网格的形式，就像纸模型一样，上面覆盖着纹理材质。

关键是，这个模型可以生成多种多样，且高质量的模型。

比如，椅子腿上的各种轮子；汽车的车轮，灯和车窗；动物的耳朵、角；摩托车的后视镜，车轮胎上的纹理；高跟鞋，人类衣服...

街道两旁的独特建筑，不同的车辆呼啸而过，还有不同的人群穿梭而过...

若想通过手动建模做出同样的3D虚拟世界非常耗时。

尽管先前的3D生成AI模型虽然比手动建模更快，但它们在生成更多丰富细节模型的能力还是欠缺。

即便是，最新的逆向渲染方法也只能基于从各个角度拍摄的2D图像生成3D对象，开发人员一次只能构建一个3D物体。

GET3D可就不一样了。

开发者可以轻松地将生成模型导入到游戏引擎、3D建模器和电影渲染器中，对它们进行编辑。

当创建者将GET3D生成的模型导出到图形应用程序，他们就可以在模型所在的场景中移动或旋转时应用逼真的照明效果。

如图所示：

另外，GET3D还可以做到文本引导形状生成。

通过使用英伟达的另一个AI工具StyleGAN-NADA，开发人员可以使用文本提示为图像添加特定的风格。

比如，可以将渲染后的汽车变成一辆烧毁的汽车或出租车

将一个普通的房子改造成砖房、着火的房子，甚至是鬼屋。

或者将老虎纹、熊猫纹、还有《辛普森一家》的特色应用在任何动物身上...

简直就是辛普森一家的「动物森友会」...

英伟达介绍，在单个英伟达GPU上训练，GET3D每秒可以生成大约20个对象。

在此，它所学习的训练数据集越大、越多样化，输出的多样性和详细程度就越高。

英伟达称，研究团队仅用2天时间，就使用A100 GPU在大约100万张图像上训练了模型。

研究方法与过程

GET3D框架，主要作用是合成有纹理的三维形状。

生成过程分为两个部分：第一部分是几何分支，可以输出任意拓扑结构的表面网格。另一部分则是纹理分支，它会产生一个纹理场，由此可以在表面点上进行查询。

在训练过程中，一个可微分光栅化器被用来高效渲染所产生的纹理网格，并渲染成二维的高分辨率图像。整个过程是可分的，允许通过传播二维判别器的梯度，从图像中进行对抗性训练。

之后，梯度从二维判别器传播到两个发生器分支。

研究人员又进行了广泛的实验来评估该模型。他们首先将GET3D生成的三维纹理网格的质量与现有的使用ShapeNet和Turbosquid数据集生成的做比较。

接下来，研究人员根据对比结果在之后的研究中对模型进行了优化，并做了更多实验。

GET3D模型在几何形状和纹理能够实现相分离。

如图，在每一行中展示了由相同的几何隐藏代码生成的形状，同时更改了纹理代码。

在每一列中展示了由相同的纹理隐藏代码生成的形状，同时更改了几何代码。

另外，研究人员在每一行中相同的纹理隐藏代码生成的形状，从左到右插入几何隐藏代码。

并由相同的几何隐藏代码生成的形状，同时从上到下插入纹理代码。结果显示，每个插值对生成模型都是有意义的。

在每个模型的子图中，GET3D能够在所有类别的不同形状之间的生成实现平滑过渡。

在每一行中，通过添加一个小噪声来局部扰乱隐藏代码。通过这种方式，GET3D能够在局部生成外观相似但略有差异的形状。

研究人员指出，未来版本的GET3D可以使用摄像机姿态估计技术，让开发人员训练模型的现实世界的数据，而不是合成数据集。

未来，通过改进，开发人员可以在各种3D形状上一次性训练GET3D，而不需要一次在一个对象类别上训练它。

英伟达人工智能研究副总裁Sanja Fidler表示，

GET3D让我们离人工智能驱动的3D内容创作大众化又近了一步。它即时生成带纹理3D形状的能力可能会改变开发人员的游戏规则，帮助他们用各种有趣的对象快速填充虚拟世界。

作者介绍

论文一作Jun Gao是多伦多大学机器学习小组的博士生，导师是Sanja Fidler。

除了学历优异以外，他还是英伟达多伦多人工智能实验室的研究科学家。

他的研究主要集中在深度学习（DL），目标直指结构化几何表示学习。同时，他的研究还从人类对2D和3D图像、视频的感知中获得见解。

这么一位优秀的高材生，来自北京大学。他于2018年本科毕业，获得学士学位。在北大期间，他和王立威教授一同工作。

毕业后他还在斯坦福大学、MSRA和英伟达进行过实习。

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

Jun Gao的导师同样是业内翘楚。

Fidler是多伦多大学的副教授，Vector研究所的一名教师，同时，她还是该研究所的联合创始成员之一。

教学之外，她还是英伟达公司的人工智能研究副总裁，领导着多伦多的一个研究实验室。

在来到多伦多之前，她是芝加哥丰田技术研究所的研究助理教授。该研究所位于芝加哥大学校园内，算是个学术机构。

Fidler的研究领域集中在计算机视觉（CV）和机器学习（ML），聚焦于CV和图形学的交叉领域、三维视觉，以及三维重建与合成，还有图像注释的互动方法等等。

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

参考资料：

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