MeshAnything V2重磅开源！30秒生成建模师级的3D Mesh！
点击下方卡片，关注“CVer”公众号
点击下方卡片，关注“CVer”公众号
AI/CV重磅干货，第一时间送达
AI/CV重磅干货，第一时间送达
添加微信号：CVer111，小助手会拉你进群！
扫描下方二维码，加入CVer学术星球！可以获得最新顶会/顶刊上的论文idea和CV从入门到精通资料，及最前沿应用！发论文/搞科研/涨薪，强烈推荐！
添加微信号：CVer111，小助手会拉你进群！
扫描下方二维码，加入CVer学术星球！可以获得最新顶会/顶刊上的论文idea和CV从入门到精通资料，及最前沿应用！发论文/搞科研/涨薪，强烈推荐！
木子 投稿
转载自：量子位（QbitAI）
只需30秒，AI就能像3D建模师一样，在各种指示下生成高质量人造Mesh。
NeRF、3D Gaussian Splatting生成的三维重建图像Mesh效果如下：
点云造出精细Mesh：
Dense Mesh基础上生成也可以：
一张图，甚至文本描述就足够了：
GitHub已揽星1.9k的MeshAnything项目上新了V2版本，由来自南洋理工大学、清华大学、帝国理工学院、西湖大学等研究人员完成。
MeshAnything V2相比V1，使用了最新提出的Adjacent Mesh Tokenization（AMT）算法，将最大可生成面数从800提升到了1600。
相比之前的Mesh tokenization方法，AMT平均只需要一半长度的token sequence即可表达同一个Mesh。
这项研究一经发布也迅速得到不少网友关注。
那么，MeshAnything究竟是一种怎样的方法？MeshAnything V2做了哪些改进？
高度可控的人造Mesh生成
值得注意的是，虽然AI很早就能够生成Mesh了，但这与上面所展示的生成人造Mesh有着巨大区别。
团队表示，所有之前方法，例如Marching Cubes和Get3D，生成的Mesh都是面片非常稠密的Mesh，面片数往往是人造Mesh的数百倍，几乎不可能应用于游戏，电影等实际3D工业。
并且由于它们的面片结构不符合人类直觉，3D建模师很难再对其进行细致的加工。
如下图所示，这一问题没法简单地依靠remesh来解决，在不影响效果的前提下，remesh方法虽然仅仅能够小幅度地减少面片：
而上述问题直接影响了3D研究应用于工业界。
3D工业界的pipeline几乎全以人造Mesh作为3D表征，即使3D研究领域能产出精度极高的NeRF或者3D Gaussian，但没法将它们转化为工业界能应用的Mesh的话，应用将十分受限。
因此，之前研究团队提出了MeshAnything，旨在实现高度可控的人造Mesh生成。
MeshAnything是一个自回归的transformer，其将Mesh的每个面片视作token，整个Mesh被视作token序列，接着像大语言模型一样，一个token一个token地生成，最终生成出整个Mesh。
MeshAnything运用精妙的condition设计，其将点云作为condition来实现高度可控的人造Mesh生成：
MeshAnything以点云为condition的设计让其可以与诸多3D扫描，3D重建，3D生成的方法结合。
这些种类繁多的方法最终得到的3D表示虽然多样，但总能从中采样到点云，从而输入到MeshAnything中转为人造Mesh，帮助这些能输出3D模型的工作运用到实际3D工业中。
另外，这种设计还大大降低了MeshAnything的训练难度，提高了效果。因为点云提供了精细的3D形状信息，MeshAnything不需要去学习复杂的3D形状分布，只需要学习如何搭建出符合给定点云的人造Mesh。
MeshAnything V2有何提升？
MeshAnything V2在V1版本的基础上大幅度提高了性能，并将最大可生成面数800提升到了1600。
其主要提升来源于其新提出的Adjacent Mesh Tokenization（AMT）算法。
相比之前的Mesh tokenization方法，AMT平均只需要一半长度的token sequence即可表达同一个Mesh。
由于transformer的计算是n^2复杂度，一半长度的token sequence意味着降低了4倍的attention计算量。并且AMT得到的token sequence更加紧凑，结构更好，更有利于transformer的学习。
AMT是通过尽可能地仅仅用一个vertex来表达一个一个面片来实现上述进步的：
上图清晰地表达出了AMT的运作过程，其通过优先表达相邻的面片来用1个vertex表达一个面片。当不存在相邻的没表达过的面片，AMT添加一个特殊token “&”来标识这一情况并重新开始。
在AMT的帮助下，V2在性能和效率上大幅超过之前的方法，实现了高质量的人造Mesh生成。
在训练数据上，MeshAnything使用ShapeNet和Objaverse中的人造Mesh，将这些Mesh展开成token sequence之后使用cross-entropy loss监督。
V1和V2都仅仅使用了350m的transformer架构，100K的训练数据就得到了以上结果，表明该方向还有非常大scale up潜力。
更多结果如下：
何恺明在MIT授课的课件PPT下载
在CVer公众号后台回复：何恺明，即可下载本课程的所有566页课件PPT！赶紧学起来！
ECCV 2024 论文和代码下载
在CVer公众号后台回复：ECCV2024，即可下载ECCV 2024论文和代码开源的论文合集
CVPR 2024 论文和代码下载
在CVer公众号后台回复：CVPR2024，即可下载CVPR 2024论文和代码开源的论文合集
Mamba、多模态和扩散模型交流群成立
扫描下方二维码，或者添加微信号：CVer111，即可添加CVer小助手微信，便可申请加入CVer-Mamba、多模态学习或者扩散模型微信交流群。另外其他垂直方向已涵盖：目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、PyTorch、TensorFlow和Transformer、NeRF、3DGS、Mamba等。
一定要备注：研究方向+地点+学校/公司+昵称（如Mamba、多模态学习或者扩散模型+上海+上交+卡卡），根据格式备注，可更快被通过且邀请进群
▲扫码或加微信号: CVer111，进交流群
CVer计算机视觉（知识星球）来了！想要了解最新最快最好的CV/DL/AI论文速递、优质实战项目、AI行业前沿、从入门到精通学习教程等资料，欢迎扫描下方二维码，加入CVer计算机视觉（知识星球），已汇集上万人！
▲扫码加入星球学习
▲点击上方卡片，关注CVer公众号
整理不易，请赞和在看
微信扫码关注该文公众号作者