龐大的三維圖像資料庫，讓家居機器人離我們又近了一點

機器人技術如今已經是日新月異了，不管是軟體上人工智慧技術的飛躍還是硬體系統中外觀設計和應用材料技術的進步，都預示著機器人即將更大程度地影響我們的生活。

但是，在機器人走進居家生活前，它們還需要掌握一項技能——「識物」——它們必須能夠識別房間里各式各樣的物體，至少能分辨什麼是桌子，什麼是嬰兒床。而這卻是現在大多數機器人不具有的功能。

圖 | 3dscan3

那讓我們來思考一下，我們是如何識物的呢。小時候似乎就是爸爸媽媽拿著兒童識物卡片給我們看，或者直接指著一些物體告訴我們這是什麼。而這其實就是一個數據輸入然後學習的過程。

如今,斯坦福大學、普林斯頓大學以及慕尼黑工業大學聯合推出了一個三維圖像資料庫，可以作為機器人識物的數據輸入。

該資料庫名為「ScanNet」，囊括了上千個房間的場景，其中包括成大量附有說明的物體，例如咖啡桌、沙發、檯燈還有電視機。「ScanNet」的推出還要感謝五年前由斯坦福大學獨立創立的二維圖像資料庫「ImageNet」。

兩者除了維度不同，大體十分相似，圖片中也包含了每個物體的注釋。但是「ScanNet」顯然能夠為機器人提供更多的數據支持。

來自慕尼黑工業大學的馬蒂亞斯·奈斯納（Matthias Neissner）教授是該資料庫的開發者之一，對於「ImageNet」和「ScanNet」，他都給予的高度的評價：「『ImageNet』提供了許多重要的信息，特別是圖片中包含的物體注釋。

資料庫整體為人工智慧的發展提供了先決條件。而『ScanNet』卻可以真正幫助你的機器人認識家裡的物體以及構局。」

圖 | 使用現成的3-D掃描儀拍攝每個房間

說起來，奈斯納教授還算是「ScanNet」的核心人物，這多元的開發團隊幾乎是因他才聚集到一起的。開發「ScanNet」時，他正在斯坦福大學進行學術訪問，他在審視了「ImageNet」在深度學習方面的應用後，覺得如果使用三維的場景來訓練計算機效果將會更加好。

這就是「ScanNet」資料庫最初的構想，根據就近原則，他立刻召集了他的學生——就讀於斯坦福大學的博士研究生安其拉·代（Angela Dai），以及普林斯頓大學的托馬斯·方克豪瑟爾（Thomas Funkhouser）教授。而托馬斯·方克豪瑟爾教授的學生隨後也加入了研究團隊。

如今，「ScanNet」已經全面上線，而組建資料庫的方法也被研究團隊總結分析，以論文的形式發表在計算研究知識庫（The Computing Research Repository, CoRR）上面。

資料庫的建立總是從數據採集開始，研究團隊前後對1513個房間進行了採樣分析，並利用與「Microsoft Kinect」類似的3D相機對整個場景進行拍攝，相機包含兩個部分——一個常規攝像頭和一個紅外景深探頭，能夠拍攝出三維景象。接著，研究團隊對拍攝場景中的物體進行標記和注釋，操作十分方便，在IPad上就能進行。

與此同時，研究團隊利用三維數據重建（3D Reconstruction）和對象分割（Segmentation）將拍攝的場景數據化。最後，再利用眾包平台亞馬遜土耳其計算機（Amazon』s Mechanical Turk）把注釋信息和場景數據相結合。就這樣，1513個房間就變成了訓練機器人的識物小卡片。

圖 | ScanNet的圖像數據處理流程圖

業內人士對「ScanNet」的評價頗高。來自布朗大學的斯蒂芬妮·特拉克斯（Stefanie Tellex），是一名研究居家機器人的助理教授，她認為「ScanNet」提供的數據量是前所未有的，並表示：「推出這麼大的資料庫意義是斐然的。因為三維數據對於機器人識別及其與環境的互動來說是十分重要的，『ScanNet』的出現正是恰逢其時。」

來自卡內基梅隆大學機器人研究所的悉達多·斯日尼瓦薩（Siddhartha Srinivasa）教授也認為「ScanNet」資料庫的推出有利於幫助機器人走進居家系統，並表示「ScanNet」能夠複製「ImageNet」的成功模式。

「ImageNet」就是靠著資料庫本身的包羅萬象以及圖像注釋功能火起來的，特別是在網頁方面的應用，而這兩點都是「ScanNet」推出時就有的特點。

圖 | 一個顯示不同顏色的注釋項目的房間

對於資料庫的應用，奈斯納教授表示研究團隊已經考慮並嘗試將其應用在深度學習上，並發現計算機僅僅靠「ScanNet」提供的尺寸和形狀信息就能識別許多物體。

這就意味著三維信息能夠為計算機甚至為我們提供對現實世界更加深層次的認識。奈斯納教授也戲稱：「利用三維信息，也許能讓計算機像動物一樣認識物品。」

其實，「ScanNet」作為三維圖像資料庫並不僅僅是把三維的數據簡單儲存下來，它將圖像中各個物體的信息也一併記錄下來了，這就形成了更高的信息維度，使信息更加立體。

當然對於人工智慧以及機器人來說，數據的信息量自然是越多越好，即使是處於信息膨脹世界中的我們，對於信息的需求也是越來越大。「有注釋的三維圖像」必定會形成新的科學技術，如現在初具雛形的增強現實技術。

所以呢，雖然除了機器人和建築方面的應用，三維資料庫在其他領域的應用還是寥寥無幾，但是新的應用肯定會陸續出現的。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！