裸眼3D?不,这可能是“自拍的未来”!

共 2631字,需浏览 6分钟

 ·

2020-12-11 05:44

大数据文摘出品
作者:刘俊寰
 
11月23日,《牛津英文词典》宣布选择放弃“2020年度词汇”的评选,将2020年形容为“无法用一个单词妥帖概括的一年”。
 
每年,“年度词汇”的评选,《牛津英文词典》会根据英文新闻等超过110亿个英文单词组成的语料库分析总结,希望能“反映本年度的风气、民众心情和关注焦点”,同时最终被选择的“年度词汇”还需要“具有文化意义的持久潜力”。
 
比如,2013年的“年度词汇”之一Selfie(自拍)
              
根据统计,较之于前一年,2013年社交网站上“selfie”一词的使用率激增17000%
 
如今,7年过去了,不知道大家的自拍技术都有怎样的突飞猛进呢?反正文摘菌可手握大家的老婆新垣结衣的自拍黑照呢。
              
不知道大家有没有想过,7年了,无人驾驶都开始在各地测试了,iPhone都出到12了,为什么自拍的方式一直没有变过呢?
 
这个问题也一直困扰着华盛顿大学和谷歌的研究人员们,近日,他们终于推出了一种全新的自拍方式,保证让你发在朋友圈的图像更加生动和仿真。
 
先来看看他们定义的“自拍的未来”到底是个什么东西:
             


             
虽然看上去确实比单纯的图像本身要更拟人一些,三维模型也让周围的环境都显露无疑,但是这晃来晃去的,文摘菌的眼睛都快给晃晕了。
     

nerfies鼓励人们分享更多


看看自己的微信,相信很多人的朋友圈都是自拍,简直就是“不自拍就会会死星人”。
 
2016年5月,The Outnet和舆情监测平台Pulsar对Facebook、Instagram、Twitter上发布的与“愉悦感”“兴奋感”相关的3300万份帖子进行了分析,结果显示,自拍更多了,但不再只是为了对外展示个人魅力,创造“美好的自我幻想”,而是通过自拍更好的认识自我,记录生活与成长的真实体验,比如进行减肥打卡、长跑记录等。
              
既然大多数积极的词汇都与“自拍”相关,那为什么我们不去分享更多呢?
 
抱着这样的设计理念和构想,nerfies就诞生了。
 
我们知道,要创建3D场景,通常需要一些特殊的硬件,比如LIDAR扫描仪,该扫描仪主要使用激光测量物距,从而可以更好地创建3D模型。现在,iPhone 12 Pro和12 Pro Max上也内置了LIDAR传感器。但要知道,这些特殊硬件并不便宜,也不是那么简单就能使用的。
 
不过,nerfies可就不一样了。如果你想要创建一个nerfies这样的“自拍”,你只需要从多个不同角度,拿着手机在自己面前来回晃动一下,同时确保自己始终保持在画面中,就这么简单。
 
就像这样:
              
根据官方介绍,nerfies是一种在给定时刻创建更全面的自拍的方法,观看者不仅可以观看2D图像,还可以在3D模式下缩放和平移对象,全程也无需任何其他特殊设备,用到的只有配备了摄像头的智能手机和一点点CPU处理能力。
       
论文链接:
https://nerfies.github.io/
     

如何解决又贵又麻烦的问题


要根据这种视频数据创建3D模型,研究人员使用了一种称为神经辐射场(Neuro Radiance Fields,简称NeRF)的方法,该方法可以从不同角度拍摄物体的多个图像,使用这些二维数据来计算和生成三维模型,同时允许其他人从不同的角度进行操作和观看。
 
不过,NeRF方法有一个问题,它要求拍摄对象在整个过程中保持完全静止。这对于我们来说,难度还是有的,因此NeRF方法需要利用到大型相机阵列,让其同时从多个角度捕捉一个人的图像,但是这就回到了和LIDAR一样的问题上了,摄像机阵列又贵又麻烦。
              
所以,在这个过程中,让被拍摄对象自己摇动手机捕捉自己的影像,可能是一种更容易的方法。但为了从多个角度生成静止图像,整个过程可能需要持续几秒钟的时间,这意味着拍摄对象不断运动。
 
为了解决这个问题,研究小组开发了一种称为可变形神经辐射场(简称D-NeRF)的新方法,该方法能够比较框架,以确定对象在它们之间移动了多少,然后自动计算必要的变形,这样就可以调整提取出的不完美的二维图像数据,将其仍用于创建准确的交互式3D模型。
 
D-NeRF通过优化附加的连续体积变形场来增强神经辐射场(NeRF),该场将每个观察点扭曲为规范的5D NeRF。研究人员还观察到,这些类似NeRF的形变场倾向于局部极小值,于是为基于坐标的模型提出了从粗到精的优化方法,该方法可实现更强大的优化。通过将原理从几何处理和物理模拟应用于类似NeRF的模型,提出了变形场的弹性正则化,进一步提高了鲁棒性。
 
研究人员通过使用装备有两部手机的设备收集数据进行评估,这两部手机可以拍摄时间同步的照片,并在不同的视点上产生相同姿势的训练/验证图像,这也证明了这种方法的确忠实地重建了非刚性变形的场景,并以高保真度再现了看不见的景象。
              
不仅如此,nerfies还可以通过对两个输入帧的变形潜在代码,进行插值来为场景设置动画。
              
如果未来某天,nerfies真的流行起来,只要有人看到别人在Instagram上分享的美食照片,他们还能看看四周的餐厅环境如何。
 
或者,如果一个业余时尚达人分享了自己在试穿一件上衣时的nerfie,其他人还能调整相机的位置,看看这件衣服要怎么搭配裤子和鞋子。
 
也就是说,nerfies可能会为社交媒体提供全新的视角,但与此同时,由于许多人可能在偷偷穿着睡裤在家办公,nerfies也会让这些人暴露无遗吧。
 
相关报道:

https://gizmodo.com/nerfies-might-be-the-future-of-selfies-letting-your-fr-1845764332

https://medium.com/swlh/nerf-neural-radiance-fields-79531da37734



点「在看」的人都变好看了哦!
浏览 9
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报