写点什么

英特尔研究院发布全新 AI 扩散模型,可根据文本提示生成 360 度全景图

作者:E科讯
  • 2023-06-22
    湖北
  • 本文字数:1594 字

    阅读完需:约 5 分钟

LDM3D 是业界领先的可创建深度图的生成式 AI 模型,有望革新内容创作、元宇宙和数字体验

 

英特尔研究院宣布与 Blockade Labs 合作发布 LDM3D(Latent Diffusion Model for 3D)模型,这一全新的扩散模型使用生成式 AI 创建 3D 视觉内容。LDM3D 是业界领先的利用扩散过程(diffusion process)生成深度图(depth map)的模型,进而生成逼真的、沉浸式的 360 度全景图。LDM3D 有望革新内容创作、元宇宙应用和数字体验,改变包括娱乐、游戏、建筑和设计在内的许多行业。

 

英特尔研究院人工智能和机器学习研究专家 Vasudev Lal 表示:“生成式 AI 技术旨在提高和增强人类创造力,并节省时间。然而,目前的大部分生成式 AI 模型仅限于生成 2D 图像,仅有少数几种可根据文本提示生成 3D 图像。在使用几乎相同数量参数的情况下,不同于现存的潜在扩散模型,LDM3D 可以根据用户给定的文本提示同时生成图像和深度图。与深度估计中的标准后处理方法相比,LDM3D 能够为图像中的每个像素提供更精准的相对深度,并为开发者省去了大量用于场景开发的时间。”

 

封闭的生态系统限制了规模。英特尔致力于推动 AI 的真正普及,通过开放的生态系统让更多人从这项技术中受益。计算机视觉领域近年来取得了重大进展,特别是在生成式 AI 方面。然而,当今许多先进的生成式 AI 模型只能生成 2D 图像。与通常只能根据文本提示生成 2D RGB 图像的现有扩散模型不同,LDM3D 可以根据用户给定的文本提示同时生成图像和深度图。与深度估计(depth estimation)中的标准后处理(post-processing)方法相比,LDM3D 在使用与潜在扩散模型 Stable Diffusion 几乎相同数量参数的情况下,能够为图像中的每个像素提供更精准的相对深度(relative depth)。

 

这项研究有望改变我们与数字内容的互动方式,基于文本提示为用户提供全新的体验。LDM3D 生成的图像和深度图能够将诸如宁静的热带海滩、摩天大楼、科幻宇宙等文本描述转化为细致的 360 度全景图。LDM3D 捕捉深度信息的能力,可以即时增强整体真实感和沉浸感,使各行各业的创新应用成为可能,包括娱乐、游戏、室内设计、房产销售 ,以及虚拟博物馆与沉浸式 VR 体验等。

 

6 月 20 日,在 IEEE/CVF 计算机视觉和模式识别会议(CVPR)的 3DMV 工作坊上,LDM3D 模型获得了“Best Poster Award”



LDM3D 是在 LAION-400M 数据集包含一万个样本的子集上训练而成的。LAION-400M 是一个大型图文数据集,包含超过 4 亿个图文对。对训练语料库进行标注时,研究团队使用了之前由英特尔研究院开发的稠密深度估计模型 DPT-Large,为图像中的每个像素提供了高度准确的相对深度。LAION-400M 数据集是基于研究用途创建而成的,以便广大研究人员和其它兴趣社群能在更大规模上测试模型训练。

 

LDM3D 模型在一台英特尔 AI 超级计算机上完成了训练,该超级计算机由英特尔®至强®处理器和英特尔®Habana Gaudi® AI 加速器驱动。最终的模型和流程整合了 RGB 图像和深度图,生成 360 度全景图,实现了沉浸式体验。

 

为了展示 LDM3D 的潜力,英特尔和 Blockade 的研究人员开发了应用程序 DepthFusion,通过标准的 2D RGB 图像和深度图创建沉浸式、交互式的 360 度全景体验。DepthFusion 利用了 TouchDesigner,一种基于节点的可视化编程语言,用于实时互动多媒体内容,可将文本提示转化为交互式和沉浸式数字体验。LDM3D 是能生成 RGB 图像及其深度图的单一模型,因此能够节省内存占用和降低延迟。

 

LDM3D 和 DepthFusion 的发布,为多视角生成式 AI 和计算机视觉的进一步发展铺平了道路。英特尔将继续探索如何使用生成式 AI 增强人类能力,并致力于打造一个强大的开源 AI 研发生态系统,让更多人能够使用 AI 技术。延续英特尔对开放 AI 生态系统的大力支持,LDM3D 正在通过 HuggingFace 进行开源,让 AI 研究人员和从业者能对这一系统作出进一步改进,并针对特定应用进行微调。

 

在 2023 年 6 月 18 日至 22 日举行的 IEEE/CVF 计算机视觉和模式识别会议上,英特尔将发表这项研究成果。欲了解更多信息,请参考论文《LDM3D: Latent Diffusion Model for 3D》。

用户头像

E科讯

关注

专注intel动态 2020-08-19 加入

搜罗各种Intel新闻

评论

发布
暂无评论
英特尔研究院发布全新AI扩散模型,可根据文本提示生成360度全景图_E科讯_InfoQ写作社区