微軟發布了一個擴散模型，可以從一個人的單張照片中構建一個 3D 頭像
簡單來說
人臉的單個 2D 圖像可用於使用 3D Avatar Diffusion 機器學習技術生成 3D 頭像。
它可用於為遊戲或其他用途提供人的逼真 3D 視圖，或提供虛擬現實 (VR) 或增強現實 (AR) 體驗。
3D Avatar Diffusion 是一種機器學習算法，可以拍攝一張人臉的 2D 圖像並創建三維 (3D) 頭像。 然後，化身可用於創建虛擬現實 (VR) 或增強現實 (AR) 體驗，或者簡單地提供人物的逼真 3D 視圖，用於遊戲或其他目的。
擴散模型是 發達 由 Microsoft Research 的一組研究人員在期刊上發表的一篇論文中進行了描述 arXiv.
3D Avatar Diffusion 基於一種稱為擴散模型的機器學習算法。 擴散模型是生成模型，這意味著它們可以生成與訓練數據相似的新數據。 擴散模型 之前已被用於從 3D 圖像生成 2D 圖像，但 ADM 是第一個可以從單個 3D 圖像生成逼真的 2D 頭像的擴散模型。
為了訓練模型，研究人員使用了超過 200,000 個 3D 面部模型的數據集。 該數據集包括具有不同膚色、髮型和麵部特徵的各種面孔。 然後，ADM 能夠學習 2D 圖像和 3D 面部模型之間的關係，並從單個 3D 圖像生成逼真的 2D 頭像。
該模型還可用於根據從不同角度拍攝的照片生成頭像
本研究提出了一種 3D 生成模型，可自動創建 3D 數字化身，這些化身使用擴散模型表示為神經輻射場。 由於與 3D 相關的內存和處理要求過高，創建高質量化身所需的豐富功能是一個巨大的問題。 開發人員建議推出擴散網絡 (Rodin) 解決此問題。
該網絡將神經輻射場的大量 2D 特徵圖展開到單個 2D 特徵平面中，然後模型在其中執行 3D 感知擴散。 Rodin 模型使用 3D 感知卷積，它根據 2D 中的原始關係處理 3D 特徵平面中的投影特徵，以提供急需的計算效率，同時保持 3D 擴散的完整性。
閱讀有關人工智能的更多信息：
免責聲明
在與線 信託專案指南，請注意，本頁提供的資訊無意且不應被解釋為法律、稅務、投資、財務或任何其他形式的建議。 重要的是，僅投資您可以承受損失的金額，並在有任何疑問時尋求獨立的財務建議。 如需了解更多信息，我們建議您參閱條款和條件以及發行人或廣告商提供的幫助和支援頁面。 MetaversePost 致力於提供準確、公正的報告，但市場狀況如有變更，恕不另行通知。
關於作者
Damir 是團隊領導、產品經理和編輯 Metaverse Post，涵蓋 AI/ML、AGI、LLM、Metaverse 等主題 Web3- 相關領域。 他的文章每月吸引超過一百萬用戶的大量讀者。 他似乎是一位在 SEO 和數字營銷方面擁有 10 年經驗的專家。 達米爾曾在 Mashable、Wired、 Cointelegraph、《紐約客》、Inside.com、Entrepreneur、BeInCrypto 和其他出版物。 他作為數字游牧者往返於阿聯酋、土耳其、俄羅斯和獨聯體國家之間。 達米爾獲得了物理學學士學位，他認為這賦予了他在不斷變化的互聯網格局中取得成功所需的批判性思維技能。
更多文章
Damir 是團隊領導、產品經理和編輯 Metaverse Post，涵蓋 AI/ML、AGI、LLM、Metaverse 等主題 Web3- 相關領域。 他的文章每月吸引超過一百萬用戶的大量讀者。 他似乎是一位在 SEO 和數字營銷方面擁有 10 年經驗的專家。 達米爾曾在 Mashable、Wired、 Cointelegraph、《紐約客》、Inside.com、Entrepreneur、BeInCrypto 和其他出版物。 他作為數字游牧者往返於阿聯酋、土耳其、俄羅斯和獨聯體國家之間。 達米爾獲得了物理學學士學位，他認為這賦予了他在不斷變化的互聯網格局中取得成功所需的批判性思維技能。
