Adobe 的研究人员在 Large Reconstruction Model 中的突破，标志着在 3D 重建领域迈出了一大步。这一技术突破的关键在于将人工智能和机器学习引入到了从2D图像生成3D模型的过程中。通过训练一个强大的模型，Adobe 的研究人员使得从单张2D图像中识别并重建3D物体的过程变得更加高效和准确。
与以往在小型数据集上使用特定类别方式进行训练的方法不同，LRM采用了高度可扩展的、基于transformer的神经网络架构，拥有超过5亿个参数。该模型通过端到端的方式，在Objaverse和MVImgNet数据集中对大约100万个3D对象进行训练，旨在直接从输入图像中预测神经辐射场（NeRF）。
这项技术的快速速度和准确性为多个领域带来了巨大的潜力。在虚拟现实和增强现实领域，这意味着可以更轻松地创建逼真的3D场景，为用户提供更身临其境的体验。在游戏开发方面，这项技术可能会加速游戏场景和角色的设计过程，提高游戏的质量和创意水平。在计算机图形学领域，这将为设计师和艺术家提供更多的工具和可能性，使得他们能够更迅速地将创意转化为现实。
总体而言，Adobe 的 Large Reconstruction Model 不仅仅是一项技术突破，更是为数字创意领域带来了全新的可能性。通过将2D图像转换为高质量的3D模型，这一技术为创作者提供了更多的创作空间，推动了数字媒体的发展。
论文地址：https://arxiv.org/abs/2311.04400
huggingface 开源体验网址：https://huggingface.co/papers/2311.04400
