來自 Google 的 DeepMind 團隊最近再次登上媒體版面，因為他們成功的利用神經網路，達成了將平面圖面還原為立體場景的技術。
神經網路「想像」出各角度場景，合成 3D 模組
DeepMind 的部落格上近日發表了相關的資訊，根據他們表示，一般人類在理解一個立體場景時，我們的大腦會調用過去所看到的類似經驗，自行「想像」我們沒有看到的地方，並且在腦中補完整個「場景」應該要有的物件。
文中並舉例，像是人類看到一張圖片中，桌子只有三隻腳，但會自動「腦補」出第四隻腳，並且認為它只是被其他桌腳擋住；同樣的道理運用到一張只有部分房間模樣的圖片，人類就能套過腦補的方式想像出整個房間該有的樣子。
但是，這樣在我們人類理解中很簡單的事情，對於人工智慧而言卻是不容易的事情，因為在現階段的技術下，AI 必須靠大量經過標記的物件圖片，才有可能重建一個 3D 場景，所需耗費的時間非常的久，也較難以有實用的發展。
GQN 技術，機器自主學習，效率倍增
有鑑於此，DeepMind 團隊導入了 GQN（Generative Query Network）神經網路技術，透過將物件輸入到「代表網路（Representation Network）」中形成 3D 虛擬物件，並讓「生成網路（Generation Network）」進到其中，學習一個物件從各個角度中看起來應該會是如何，省去過去大量的標記學習。
相關的技術雖然在目前的發展上還有條件限制，例如說只能先用在虛擬物件上，但是 DeepMind 團隊對於這套技術很有信心，預期在未來導入高畫質照片，甚至是加入時間因素，讓 AI 可以生成物理運動狀態，借以製作動態模型。
─ ─
參考資料來源：
DeepMind：Neural scene representation and rendering
INSIDE：VR 普及化曙光！AI 把 2D 畫面變 3D 全景，DeepMind 再登《科學》期刊
Qooah：DeepMind 的 AI 已經可以理解空間概念如像人有視覺
（本文提供合作夥伴轉載，首圖來源：DeepMind 官方部落格網站。）
DeepMind 近一年的 AI 發展不是用飛的，根本是用射的
不過半年 AlphaGo 已經像古董了：DeepMind 最新 AI，一天訓練就能稱霸東西方三種棋類！
Deepmind 團隊最新力作：不需人類的 AlphaGo Zero，左右互搏練成 AI 版周伯通
Deepmind 打造語音生成模型 WaveNet，比傳統音檔生成速度快 1000 倍，聲音更擬真？
Deepmind 最新論文：神經網絡技術模擬「人腦海馬體」，AI 預測能力準度更高、成本更低了！
【人工智慧大躍進】AI 就快學會舉一反三！DeepMind：急需神經科學家幫忙
