Meta 研究人员提出了 MCC，这是一种可以从单个图像重建 3D 模型的方法。该公司从中看到了 VR/AR 和机器人技术的应用前景。

　　基于 Transformer 等架构和大量训练数据的 AI 模型已经产生了令人印象深刻的语言模型，例如 OpenAI 的 GPT-3 或最近的 ChatGPT。

　　自然语言处理的突破带来了一个核心见解：扩展使基本模型能够抛弃以前的方法。先决条件是独立于领域的架构，例如转换器，它可以处理不同模式，以及来自非结构化和部分未标记数据的自我监控训练。

　　结合大规模的、独立于类别的学习，这种架构近年来越来越多地用于语言处理以外的领域，如图像合成或图像分析。

　　Meta MCC 为 3D 重建带来规模化处理

　　Meta FAIR Lab 展示了多视图压缩编码（MCC），这是一种基于变压器的编码器-解码器模型，可以从单个 RGB-D 图像重建 3D 对象。

　　研究人员认为 MCC 是迈向用于 3D 重建的通用 AI 模型的重要一步，可用于机器人或 AR/VR 应用，为更好地了解 3D 空间和对象或视觉重建开辟了许多可能性。

　　虽然其他方法，如 NERF 需要多幅图像，或者它们的模型需要与 3D CAD 模型或其他难以获取并因此无法扩展的数据进行训练，但 Meta 数据依赖于从 RGB D 图像中重建 3D 点。

　　这些具有深度信息的图像现在已经很容易获得了，这是由于带有深度传感器的 iPhone 和简单 AI 网络的普及，后者从 RGB 图像中获取深度信息。根据 Meta 的说法，这种方法具有很好的可伸缩性，而且将来很容易产生大数据集。

　　为了证明这种方法的优点，研究人员使用大量图像和视频来训练 MCC，这些图像和录像包含来自不同数据集的深度信息，从多个角度显示物体或整个场景。

　　在 AI 培训期间，模型将被剥夺每个场景或对象的一些可用视图，它们作为 AI 重建的学习信号。该方法类似于语言或图像模型的培训，其中部分数据也经常被屏蔽。

　　Metas 3D 重建显示了强大的通用性

　　Metas AI 模型在测试中显示了有效且优于其他方案的优势。该团队还表示，MCC 还可以处理以前没见过的对象类别或整个场景。

　　此外，MCC 显示了预期的扩展特性：随着更多的训练数据和更多样化的对象类别，性能显著提升。ImageNet 和 DALL-E 2 图像也可以在 3D 点云中重建，并提供相应的深度信息。