如今的生成式AI在人工智能領(lǐng)域迅猛發(fā)展，在計(jì)算機(jī)視覺(jué)中，圖像和視頻生成技術(shù)已日漸成熟，如Midjourney、Stable Video Diffusion 等模型廣泛應(yīng)用。然而，三維視覺(jué)領(lǐng)域的生成模型仍面臨挑戰(zhàn)。目前的3D模型生成技術(shù)通常基于多角度視頻生成和重建，如SV3D模型，通過(guò)生成多角度視頻并結(jié)合神經(jīng)輻射場(chǎng)(NeRF)或者3D高斯渲染模型(3D Gaussian Splatting技術(shù)逐步構(gòu)建3D物體。這種方法主要限制在只能生成簡(jiǎn)單的、無(wú)自遮擋的三維物體，且無(wú)法呈現(xiàn)物體內(nèi)部結(jié)構(gòu)，使得整個(gè)生成過(guò)程復(fù)雜而且不完美，顯示出該技術(shù)的復(fù)雜性和局限性。究其原因，在于目前缺乏靈活高效且容易泛化的3D Representation (3D表示)。

　　我們知道X射線(xiàn)能夠穿透并記錄關(guān)鍵物體內(nèi)外表面信息，受到這個(gè)啟發(fā)，NUS研究團(tuán)隊(duì)胡濤博士等人近期發(fā)布了一種全新的3D表示—X-Ray，它能夠序列化地表示從相機(jī)攝像角度看過(guò)去的物體的逐層次的物體表面形狀和紋理，可以充分利用視頻生成模型的優(yōu)勢(shì)來(lái)生成3D物體，可以同時(shí)生成物體的內(nèi)外3D結(jié)構(gòu)。

　　技術(shù)革新：物體內(nèi)外表面的3D表示方法

　　X-Ray表示：從相機(jī)中心開(kāi)始朝向物體方向的HxW個(gè)矩陣點(diǎn)發(fā)射射線(xiàn)。在每條射線(xiàn)方向上, 逐個(gè)記錄與物體的表面相交點(diǎn)的 個(gè)包含深度、法向量和顏色等的三維屬性數(shù)據(jù), 然后將這些數(shù)據(jù)組織成LxHxW的形式, 實(shí)現(xiàn)任意3D模型的張量表示, 這就是我們提出的X-Ray表示方法, 值得注意的是, 該表示形式與視頻格式一樣, 因此我們可以用視頻生成模型做3D生成模型。

　　編碼過(guò)程: 3D模型轉(zhuǎn)X-Ray_X-Ray轉(zhuǎn)3D模型

　　基于X-Ray表示的3D模型生成

　　為了生成高分辨率的多樣3D X-Ray模型，我們的團(tuán)隊(duì)使用了與視頻格式相似的視頻擴(kuò)散模型架構(gòu)。這個(gè)架構(gòu)可以處理連續(xù)的3D信息，并通過(guò)上采樣模塊來(lái)提高X-Ray的質(zhì)量，生成高精度的3D輸出。擴(kuò)散模型負(fù)責(zé)從噪聲數(shù)據(jù)逐步生成細(xì)節(jié)豐富的3D圖像，上采樣模塊則增強(qiáng)圖像分辨率和細(xì)節(jié)，以達(dá)到高質(zhì)量標(biāo)準(zhǔn)。

　　1. X-Ray 擴(kuò)散生成模型

　　擴(kuò)散模型在X-Ray生成中使用潛在空間，通常需要自定義開(kāi)發(fā)向量量化-變分自編碼器(VQ-VAE)[3] 進(jìn)行數(shù)據(jù)壓縮，這一缺少現(xiàn)成模型的過(guò)程增加了訓(xùn)練負(fù)擔(dān)。為有效訓(xùn)練高分辨率生成器，我們采用了級(jí)聯(lián)合成策略，通過(guò)技術(shù)如Imagen和Stable Cascaded，從低到高分辨率逐步訓(xùn)練，以適應(yīng)有限的計(jì)算資源并提高X-Ray圖像質(zhì)量。

　　具體而言，我們使用Stable Video Diffusion中的3D U-Net架構(gòu)作為擴(kuò)散模型，生成低分辨率X-Ray，并通過(guò)時(shí)空注意機(jī)制從2D幀和1D時(shí)間序列中提取特征，增強(qiáng)處理和解釋X-Ray能力，這對(duì)高質(zhì)量結(jié)果至關(guān)重要。

　　2. X-Ray 上采樣模型

　　前一階段的擴(kuò)散模型僅能從文本或其他圖像生成低分辨率的X-Ray圖像。在隨后的階段，我們著重提升這些低分辨率X-Ray至更高分辨率。我們探索了兩種主要方法：點(diǎn)云上采樣和視頻上采樣。由于我們已經(jīng)獲得了形狀和外觀的粗糙表示，將這些數(shù)據(jù)編碼成帶有顏色和法線(xiàn)的點(diǎn)云是一個(gè)很直接的過(guò)程。然而，點(diǎn)云表示結(jié)構(gòu)過(guò)于松散，不適合進(jìn)行密集預(yù)測(cè)，傳統(tǒng)的點(diǎn)云上采樣技術(shù)通常只是簡(jiǎn)單增加點(diǎn)的數(shù)量，這對(duì)于提升諸如紋理和顏色等屬性可能不夠有效。為了簡(jiǎn)化我們的流程并確保整個(gè)管道的一致性，我們選擇使用視頻上采樣模型。這個(gè)模型改編自Stable Video Diffusion(SVD)的時(shí)空VAE解碼器，專(zhuān)門(mén)從頭開(kāi)始訓(xùn)練，以4倍的因子上采樣合成的X-Ray幀，同時(shí)保持原始的層數(shù)。解碼器能夠在幀級(jí)和層級(jí)上獨(dú)立進(jìn)行注意力操作。這種雙層注意力機(jī)制不僅提高了分辨率，還顯著改善了圖像的整體質(zhì)量。這些功能使得視頻上采樣模型成為我們?cè)诟叻直媛蔢-Ray生成中更加協(xié)調(diào)和有效的解決方案。

　　未來(lái)展望：新表示帶來(lái)無(wú)限可能

　　隨著機(jī)器學(xué)習(xí)和圖像處理技術(shù)的不斷進(jìn)步，X-Ray的應(yīng)用前景無(wú)限廣闊。未來(lái)，這種技術(shù)可能會(huì)與增強(qiáng)現(xiàn)實(shí)(AR)和虛擬現(xiàn)實(shí)(VR)技術(shù)結(jié)合，為用戶(hù)創(chuàng)造出完全沉浸式的3D體驗(yàn)。教育和訓(xùn)練領(lǐng)域也可以從中受益，例如通過(guò)3D重建提供更為直觀的學(xué)習(xí)材料和模擬實(shí)驗(yàn)。此外，X-Ray技術(shù)在醫(yī)療影像和生物技術(shù)領(lǐng)域的應(yīng)用，可能改變我們對(duì)復(fù)雜生物結(jié)構(gòu)的理解和研究方法。我們期待它如何改變我們與三維世界的互動(dòng)方式。

　　以上是關(guān)于NUS研究團(tuán)隊(duì)提出X-Ray的全部新聞，如果您對(duì)新加坡留學(xué)感興趣，歡迎您在線(xiàn)咨詢(xún)托普仕留學(xué)老師。托普仕留學(xué)采用5v1服務(wù)模式，21步精細(xì)服務(wù)流程，硬性四維標(biāo)準(zhǔn)+六維背景提升等留學(xué)服務(wù)體系，為學(xué)生出國(guó)留學(xué)申請(qǐng)名校提供保障。