TensorFlow图形：由TensorFlow实现的可微分图形

TensorFlow图形 在过去的几年中，可以将其插入神经网络体系结构中的新型可区分图形层有所增加。 从空间转换器到可区分的图形渲染器，这些新层利用了多年计算机视觉和图形研究中获得的知识来构建新的更有效的网络体系结构。 明确地将几何先验和约束建模到神经网络中，这为可以以自监督的方式进行健壮，有效且更重要的是训练的体系结构打开了一扇门。 概述 从高层次上讲，计算机图形流水线需要表示3D对象及其在场景中的绝对位置，并描述它们的材质，灯光和照相机。 然后由渲染器解释此场景描述以生成合成渲染。 相比之下，计算机视觉系统将从图像开始，并尝试推断场景的参数。 这样就可以预测场景中存在哪些对象，它们由什么材料制成以及它们的三维位置和方向。 能够解决这些复杂的3D视觉任务的训练机器学习系统通常需要大量数据。 由于标记数据是一个昂贵且复杂的过程，因此重要的是要有一种机制来设计机器学习模型，该模型可以理