Re: [閒聊] 日本模型展疑似出現3D掃描作品的小偷

看板C_Chat作者 (艾克斯卡利伯)時間2年前 (2022/02/11 00:38), 2年前編輯推噓8(8推 0噓 24→)
留言32則, 10人參與, 2年前最新討論串2/2 (看更多)
目前的工具精度可能的確不太夠 但這個問題正以肉眼可見的速度被解決 最近有個新技術叫做神經輻射場 Neural Radiance Field 簡稱NeRF[1] 發表在ECCV 2020 可以透過若干張2D圖像生成新視角跟3D建模 主要原理是給定座標和視角 預測空間中各個點的RGB跟密度(可以想成透明度) 最後再沿著新視角把各點的值累加 就是新視角看到的樣子 拿個常見的demo來說 有大約100張不同視角的lego車圖 https://i.imgur.com/UvNuoyp.png
最後可以得到各種視角 精度也相當不錯 https://i.imgur.com/CP2dSUP.gif
那麼在現實場景的表現如何呢 Google在CVPR 2021發表了NeRF in the wild[2] 搜集各個景點大家拍的照片去訓練 解決一些遮擋 相機參數 光線不一致之類的問題 也做出不錯的成果(以下影片) https://storage.googleapis.com/nerf-w-public/videos/sacre/flythrough_v3.webm 那為什麼這個工具還沒普及呢 主要原因是要訓練很久 原版的NeRF要訓練好幾個小時甚至好幾天 不過好消息是這個問題在上個月被Nvidia解決了[3] 把訓練時間壓到幾秒鐘 沒錯就是幾秒鐘 連render都可以做到幾10FPS 雖然說隨便拍個照錄個影片幾秒鐘得到3d模型還有待開發 但是可以預見這類型的應用即將走進移動端 在這個各大廠力押ARVR的時代 相信大家可以期待一下 Reference: [1] Mildenhall, Ben, Pratul P. Srinivasan, Matthew Tancik, Jonathan T. Barron, Ravi Ramamoorthi, and Ren Ng. "Nerf: Representing scenes as neural radiance fields for view synthesis." In European conference on computer vision, pp. 405-421. Springer, Cham, 2020. [2] Martin-Brualla, Ricardo, Noha Radwan, Mehdi SM Sajjadi, Jonathan T. Barron, Alexey Dosovitskiy, and Daniel Duckworth. "Nerf in the wild: Neural radiance fields for unconstrained photo collections." In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, pp. 7210-7219. 2021. [3] Müller, Thomas, Alex Evans, Christoph Schied, and Alexander Keller. "Instant Neural Graphics Primitives with a Multiresolution Hash Encoding." arXiv preprint arXiv:2201.05989 (2022). ※ 引述《S890127 (丁讀生)》之銘言： : 日本海洋堂主辦的 ワンフェス（Wonder Festival） : 有參展人士在推特表示 : https://twitter.com/FLT44000/status/1490582145835798534 : 有拿著顯示奇怪畫面的智慧型手機的三人組（沒有說日文）到我的展區來。 : 現在才懂他們在幹嘛。 : 原來是深度感測（Depth Sensor） : 原來是在用 LiDAR... : 推主重現看到的手機畫面 : https://pbs.twimg.com/media/FK_tfoVaMAAYazX.jpg
: 根據底下網友的判斷，應該是被用手機掃描了展示品的 3D 模型 : 雖然不保證能複製到完全一樣的精細度，但沒付錢、未經許可 : 跑去掃描人家的商品模型，這算是犯罪了吧？ : 也許再過幾年技術變得更精密，真的會有人拿手機去掃描模型來自製了？ -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 166.170.30.114 (美國) ※ 文章網址: https://www.ptt.cc/bbs/C_Chat/M.1644511132.A.562.html
→
02/11 00:40, 2年前 , 1F
這差蠻多的吧。
02/11 00:40, 1F
推
02/11 00:41, 2年前 , 2F
幫補一下 最近的研究可以不用幾分鐘就好了
02/11 00:41, 2F
→
02/11 00:41, 2年前 , 3F
02/11 00:41, 3F
→
02/11 00:41, 2年前 , 4F
沒看到有放XDD 抱歉
02/11 00:41, 4F
推
02/11 00:42, 2年前 , 5F
02/11 00:42, 5F
推
02/11 00:42, 2年前 , 6F
其實不是很稀奇 幾年前我就看過有拿幾張照片生3d模的技術
02/11 00:42, 6F
推
02/11 00:42, 2年前 , 7F
身為一位職業機器學習工程師 訓練跟辨識是完全不同的
02/11 00:42, 7F
→
02/11 00:42, 2年前 , 8F
不過以前不知道多快就是
02/11 00:42, 8F
→
02/11 00:43, 2年前 , 9F
nvidia壓縮的是辨識時間 不是訓練時間
02/11 00:43, 9F
→
02/11 00:44, 2年前 , 10F
建議修改內文 不要提供錯誤資訊
02/11 00:44, 10F
→
02/11 00:47, 2年前 , 11F
是訓練喔 我已經reproduce在自己的dataset上過了
02/11 00:47, 11F
→
02/11 00:49, 2年前 , 12F
單純好奇辨識在這個task的意思是什麼 0.0
02/11 00:49, 12F
推
02/11 00:50, 2年前 , 13F
看了論文 你是對的 我道歉
02/11 00:50, 13F
→
02/11 00:52, 2年前 , 14F
3D建模領域用的字眼跟機器學習不同 是我錯了
02/11 00:52, 14F
推
02/11 00:57, 2年前 , 15F
這裡居然不用inference 而是用NN的BP提供定位修正
02/11 00:57, 15F
推
02/11 01:38, 2年前 , 16F
好強
02/11 01:38, 16F
推
02/11 01:44, 2年前 , 17F
哇噻這篇好強 感謝分享
02/11 01:44, 17F
→
02/11 02:32, 2年前 , 18F
這我就講了啊這個模型只能看看
02/11 02:32, 18F
→
02/11 02:33, 2年前 , 19F
生成的模組佈組你給建模師看他會跳起來打人
02/11 02:33, 19F
b大您好 如果您對這方面有了解的話 是否能說明怎樣的精度符合建模師的要求 我們做這方面很歡迎跟其他領域的合作 畢竟了解並實際解決問題才有價值
→
02/11 06:49, 2年前 , 20F
這個的產物是圖而不是模型，實用性差遠了
02/11 06:49, 20F
→
02/11 06:53, 2年前 , 21F
Nerf不會給你3D模型，他只是把場景壓縮到model裡面而已
02/11 06:53, 21F
→
02/11 06:59, 2年前 , 22F
該應用現在優勢是它inference超擬真畫面的能力，用GPU搭
02/11 06:59, 22F
→
02/11 06:59, 2年前 , 23F
配各種normal, diffusion和specular map跟光追rendering
02/11 06:59, 23F
→
02/11 06:59, 2年前 , 24F
也需要花不少時間得到擬真畫面。
02/11 06:59, 24F
→
02/11 07:04, 2年前 , 25F
簡而言之Nerf不會給你模型，你沒辦法做到改顏色，剝掉衣
02/11 07:04, 25F
→
02/11 07:04, 2年前 , 26F
服，豐胸提臀等3D模型才能搞的事情。
02/11 07:04, 26F
M大您好 我不太清楚一般3D建模是用什麼格式 但是在NeRF原作中已經可以轉成mesh 最近也有一篇衍生作Point-NeRF可以轉成point cloud 透過NeRF建模應該是可行的？ ※ 編輯: yiefaung (166.170.32.137 美國), 02/11/2022 08:21:36
→
02/11 09:26, 2年前 , 27F
你如果是說那個黃色voxel工程車的話那個品質完全沒價值
02/11 09:26, 27F
→
02/11 09:31, 2年前 , 28F
3D模基本組成是vertices, triangles和texture，從multivi
02/11 09:31, 28F
→
02/11 09:31, 2年前 , 29F
ew image或points cloud轉出來的你解析度要又高又準才能
02/11 09:31, 29F
→
02/11 09:31, 2年前 , 30F
勉強看起來像是一般的模型
02/11 09:31, 30F
→
02/11 10:03, 2年前 , 31F
31：00處你可以看到他的點
02/11 10:03, 31F
→
02/11 10:03, 2年前 , 32F
數面數相較於品質來說非常可怕
02/11 10:03, 32F
原來如此 感謝解說 不過看到這個還是覺得大有可為哈哈 拭目以待了 ※ 編輯: yiefaung (166.170.32.137 美國), 02/11/2022 10:51:52
‣ 更多 yiefaung 的文章
文章代碼(AID): #1Y1J-SLY (C_Chat)
‣ 更多 yiefaung 的文章
文章代碼(AID): #1Y1J-SLY (C_Chat)