当神经网络遇上计算机图形学，会碰撞出怎样的火花？

谷歌给TensorFlow加入了计算机图形处理功能 TensorFlow Graphics ，让神经网络可以更好地理解计算机世界里的图形操作。

计算机图形（Computer Graphics）和计算机视觉（Computer Vision）是一对孪生兄弟，二者互为逆过程。

计算机图形是预先知道3D物体的形状、位置、材料构成，以及场景的灯光和相机，然后渲染出场景。

计算机视觉是已知拍到的图像，从中推断出有哪些物体，它们由什么材料制成，以及它们的3D位置和方向。

图像识别自然不必多说。在TensorFlow Graphics，图像渲染包括对图形进行旋转、缩放、光影、3D网格等操作。

旋转在与一些机器人任务中非常重要，比如，用机械臂抓住物体需要精确估计这些物体相对于臂的位置。

缩放计算机视觉中起着重要作用，因为它会极大地影响投影到平面上的三维物体的外观。

材质模型定义光与对象的交互方式，展现这种材料独特的外观。在某些虚拟环境中，可以预测某些物体的真实外观。

从手机深度传感器到自动驾驶汽车激光雷达，近年来3D传感器越来越多。它们以网格或者点云的方式输出3D数据。

由于它们的不规则结构，与提供规则网格结构的图像相比，这些表示上的卷积很难实现。TensorFlow Graphics有两个3D卷积层和一个3D池化层，允许网络在网格上执行语义部分分类的训练。

为何要推出TensorFlow Graphics

近几年，在神经网络架构中插入可微图形层的情况越来越多。尤其是空间变换网络，这是2015年DeepMind在NIPS上发表的论文《Spatial Transformer Networks》。

这篇文章提出神经网络应当具有所谓“空间不变性”，即无论平移、旋转、缩放，都能够正确地识别和处理图像，但CNN在这方面的能力是欠缺的。

在神经网络中插入这些可微图形层，可以来构建新的、更高效的网络架构。将几何和约束建模到神经网络中，可以通过自我监督的方式进行稳健、高效的训练。

另外，训练3D视觉任务的机器学习系统通常需要大量数据，需要设计机器学习模型，在没有太多监督的情况下进行训练，给网络加入计算机图形渲染的能力，能帮AI更好地理解3D世界。

TensorFlow Graphics要求使用 TensorFlow 1.13.1 或更高版本。谷歌提供了CPU和GPU两个版本：

pip install --upgrade tensorflow-graphics

# CPU版本

pip install --upgrade tensorflow-graphics-gpu

# GPU版本

为了让用户能够进行可视化调试，TensorFlow Graphics还附带了一个TensorBoard插件，交互式地显示3D网格和点云。

更多的实际效果可以去项目页提供的几个 Colab 笔记本中体验。比如前面提到的光影材质渲染：

来源：https://www.cnblogs.com/xinzhihao/p/10862135.html

标签