原文标题：《逼人去学挖掘机：朱俊彦团队新 AI 模型发布，设计圈看了心慌慌》
CV 大佬朱俊彦的新论文，让设计师们感觉危了。
事情是这样的：
量子位在微博上搬运了朱俊彦团队的新成果，一个能将2D 草图一键变成 3D 模型的新算法，却意外引发设计圈盆友们的热烈转发讨论。
配文全是“沃日”、“？？？”……
简单来说，这个模型能让非常粗糙的简笔画，一键变成逼真 3D 模型。
还支持实时编辑，不满意的地方擦掉重画，立马生成一个新的：
要知道之前的“图转图”模型，基本都是停留在 2D 层面，这回直接变 3D 真是一个突破。
也确实是生产力利器。
但没想到，是设计圈先感到了危机。有圈内博主就觉得又要被 AI 抢饭碗了，随后也有很多人跟转了这一条。
所以论文成果到底说了啥？一起来看。
现在有很多图-图的转换模型，但基本上都是 2D-2D。
这是因为从 2D 到 3D，在训练和测试过程中都有很大挑战。
训练方面，想要把 2D 输入图像和 3D 输出图像配对，需要庞大数据集，成本会很高。
测试方面，为了得到不同角度的 3D 模型，需要输入图像的多个视角，但是二者之间可能存在不一致的情况，导致生成效果不好。
为了解决这些问题，朱俊彦团队提出了使用3D 神经场景表示（3D neural scene representations）的条件生成模型。
它只需要给定一个 2D 标签图（如语义分割图和勾线图），能为每个 3D 点匹配标签、颜色和密度等。实现在渲染图像的同时，像素对齐标签图像。
通过构建一个交互式系统，用户能在任何视角修改标签图，并生成与之相对的输出。
为了实现跨视图编辑，需要将额外的语音信息编码为 3D 的，然后通过图像重建和对抗损失（adversarial losses）的 2D 监督，来学习上述 3D 表示。
重建损失可以确保 2D 用户输入和相应的 3D 内容对齐，像素对齐条件鉴别器（ pixel-alignedconditional discriminator）也进一步促使外观和标签对应合理，并在新视角时也保持像素对齐。
最后，方法还提出了跨视图一致性损失，强制潜码在不同视点保持一致。
和不同模型对比显示，pix2pix-3D 能在保持多视角一致的情况下，生成高质量结果。
消融实验结果同样显示，该方法的生成结果能更好和输入图像对齐。
不过研究团队也提出了方法的一些局限性。
第一，目前它还只能针对于单个对象；
第二，模型在训练过程中，需要与每个训练图像关联相机姿态（camera pose），推理时不需要。如果能不依赖于相机姿态，可以进一步扩大模型的使用范围。
该论文成果来自朱俊彦团队。
朱俊彦，现任 CMU 计算机科学学院助理教授，是 AI 领域知名的青年学者。
2008 年，朱俊彦进入清华大学计算机科学系，学习计算机科学专业。在同专业 140 人中，朱俊彦排名第 2。
2012 年清华本科毕业后，朱俊彦奔赴美国，在 CMU 和 UC 伯克利经过 5 年学习，获得了 UC 伯克利电气工程与计算机科学系的博士学位，师从 Alexei Efros。
其博士毕业毕业论文 Learning to Generate Images，获得了计算机图形学顶会 ACM SIGGRAPH 2018“杰出博士论文奖”。
博士毕业后，朱俊彦来到 MIT 计算机与人工智能实验室（CSAIL），成为一名博士后研究员。2020 年秋季，他回到曾经的母校 CMU（卡内基梅隆大学），担任助理教授一职。
曾提出 CycleGAN、GauGAN 等明星模型。
论文一作为Kangle Deng。他现在是卡耐基梅隆大学机器人学院的一名在读博士。
2020 年从北京大学本科毕业。他以第一作者身份发表的论文，曾被 CVPR 2022、ICLR 2021 接收。
论文地址：
https://arxiv.org/abs/2302.08509
本文来自微信公众号：量子位 （ID：QbitAI），作者：明敏
广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。