各位同學大家好，又到了我們的兩分鐘AI小課堂。

今天我們來講一下AI在3D建模中的應用。通過圖像還原3D模型是一個大膽的想法，將會有廣闊的應用。MIT的研究者們采用了3D-GAN網絡來通過圖片生成3D模型。這種技術可以與3D打印結合，數字建模結合，自動駕駛技術結合。不同的3D圖形間可以進行插值，比如從汽車變為快艇，也可以進行代數計算，從有扶手的椅子變為無扶手的椅子。相信不久之后更多的工作會陸續出來，比如材質紋理和剛體的功能也能加上去。到時候，平面設計師還是3D建模師的工作量都會大大減輕！

這篇文章研究3D對象生成的問題。我們提出一個新穎的框架，即3D生成對抗網絡（3D-GAN），通過利用體積卷積網絡和生成對抗網絡的最新進展，從概率空間生成3D對象。我們的模型的好處是三重的：首先，使用對抗標準，而不是傳統的啟發式標準，使生成器能夠隱含地捕獲對象結構并合成高質量的3D對象；第二，生成器建立從低維概率空間到3D對象空間的映射，使得我們可以在沒有參考圖像或CAD模型的情況下對樣本進行采樣，并探索3D對象流形；第三，對抗鑒別器提供了一個強大的3D形狀描述符，它在沒有監督的情況下學習，在3D對象識別中有廣泛的應用。實驗表明，我們的方法生成高質量的3D對象，我們無監督學習的功能在3D對象識別方面實現了令人印象深刻的性能，與受監督的學習方法相當。

The paper "Learning a Probabilistic Latent Space of Object Shapes via 3D Generative-Adversarial Modeling" and its source code is available here:
http://3dgan.csail.mit.edu/
https://arxiv.org/pdf/1610.07584v2.pdf