Magic Leap研究人员提出了一种基于AI的方法，只需一个RGB相机即可捕获3D场景。
该方法称为Atlas，主要有两步AI过程，该过程从平面2D图像生成3D环，无需另使用立体摄像机或特殊的雷达系统对环境进行先前的3D分析。研究人员认为，基于AI的2D图像的重建比基于3D数据的方法更有效。
在左侧，你可以看到完整的3D模型，在图集重建的中间，正3D模型是使用MVDepthNet创建的。关于MVDepthNet 论文细节关注公众号AIRX社区【后台回复MVDepthNet即可下载】
为图像分析而优化的神经网络将各个2D图像彼此独立地分割，并基于相机数据创建简单的3D模型。AI重建：比3D扫描仪更好？神经网络可以完善和补充3D模型，这使研究人员可以更好的完整创建场景的3D模型，甚至可以创建一些在扫描过程中隐藏的区域。
关于ScanNet：ScanNet是一个RGB-D视频数据集，在超过1500次扫描中可包含250万次浏览，带有3D相机姿态、表面重构和实例级语义分割的注释。为了收集这些数据，设计了一个易于使用和可扩展的RGB-D捕获系统，包括自动表面重建和众包语义标注。使用这些数据有助于在一些3D场景理解任务中实现最先进的性能，包括3D对象分类和CAD模型检索。链接地址：http://www.scan-net.org/
根据研究人员的说法，他们的AI支持的2D-3D重建方法击败了定量和定性的常见且更复杂的方法，后者依赖于基于硬件的环境3D分析。
但是，需要快速的PC硬件：在Nvidia Titan RTX上，重建当前以每秒约14帧的速度运行。因此，3D重建的应用（例如AR眼镜）可以实时地以3D方式测量房间并在其中精确放置数字对象。
相关论文地址：
https://arxiv.org/abs/2003.10432
Githubu项目地址：
https://github.com/magicleap/Atlas
关于更多机器学习、人工智能、增强现实、Unity、Unreal资源和技术干货，可以关注公众号：AIRX社区，共同学习，一起进步！AIRX三次方：超酷的开发者学习服务与交流平台（专注ARVR、Unity、Unreal、CV、AI领域）学ARVR开发，来AIRX三次方！！！
