本文經(jīng)AI新媒體量子位（公眾號(hào)ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請(qǐng)聯(lián)系出處。

看到這張恐龍化石的動(dòng)態(tài)圖片，你肯定會(huì)認(rèn)為是用視頻截出來(lái)的吧？

然而真相卻是——完全由靜態(tài)圖片生成！

沒錯(cuò)，而且還是不用3D建模的那種。

這就是來(lái)自伯克利大學(xué)和谷歌的最新研究：NeRF，只需要輸入少量靜態(tài)圖片，就能做到多視角的逼真3D效果。

還需要專門說(shuō)明的是，這項(xiàng)研究的代碼和數(shù)據(jù)，也都已經(jīng)開源。

你有想法，盡情一試~

靜態(tài)圖片，合成逼真3D效果

我們先來(lái)看下NeRF，在合成數(shù)據(jù)集(synthetic dataset)上的效果。

可以看到，這些生成的對(duì)象，無(wú)論旋轉(zhuǎn)到哪個(gè)角度，光照、陰影甚至物體表面上的細(xì)節(jié)，都十分逼真。

就仿佛是拿了一臺(tái)錄影設(shè)備，繞著物體一周錄了視頻一樣。

正所謂沒有對(duì)比就沒有傷害，下面便是NeRF分別與SRN、LLFF和Neural Volumes三個(gè)方法的效果比較。

不難看出，作為對(duì)比的三種方法，或多或少的在不同角度出現(xiàn)了模糊的情況。

而NeRF可謂是做到了360度無(wú)死角高清效果。

接下來(lái)是NeRF的視點(diǎn)相關(guān) (View-Dependent)結(jié)果。

通過固定攝像機(jī)的視點(diǎn)，改變被查詢的觀看方向，將視點(diǎn)相關(guān)的外觀編碼在NeRF表示中可視化。

NeRF還能夠在復(fù)雜的遮擋下，展現(xiàn)場(chǎng)景中詳細(xì)的幾何體。

還可以在現(xiàn)實(shí)場(chǎng)景中，插入虛擬對(duì)象，并且無(wú)論是“近大遠(yuǎn)小”，還是遮擋效果，都比較逼真。

當(dāng)然，360度捕捉真實(shí)場(chǎng)景也不在話下。

神經(jīng)輻射場(chǎng)（neural radiance field）方法

這樣出色的效果，是如何實(shí)現(xiàn)的呢？

首先，是將場(chǎng)景的體積表示優(yōu)化為向量函數(shù)，該函數(shù)由位置和視圖方向組成的連續(xù)5D坐標(biāo)定義。具體而言，是沿相機(jī)射線采樣5D坐標(biāo)，來(lái)合成圖像。

而后，將這樣的場(chǎng)景表示參數(shù)化為一個(gè)完全連接深度網(wǎng)絡(luò)（MLP），該網(wǎng)絡(luò)將通過5D坐標(biāo)信息，輸出對(duì)應(yīng)的顏色和體積密度值。

通過體積渲染技術(shù)將這些值合成為RGB圖像。

渲染函數(shù)是可微分的，所以可以通過最小化合成圖像和真實(shí)圖像之間的殘差，優(yōu)化場(chǎng)景表示。

需要進(jìn)一步說(shuō)明的是，MLP使用8個(gè)完全連接層（ReLU激活，每層256個(gè)通道）處理輸入，輸出σ和256維特征向量。然后，將此特征向量與攝像機(jī)視角連接起來(lái)，傳遞到4個(gè)附加的全連接層（ReLU激活，每層128個(gè)通道），以輸出視點(diǎn)相關(guān)的RGB顏色。

NeRF輸出的RGB顏色也是空間位置x和視圖方向d的5D函數(shù)。

這樣做的好處可以通過對(duì)比來(lái)體現(xiàn)?？梢钥吹?，如果去掉視點(diǎn)相關(guān)，模型將無(wú)法重現(xiàn)鏡面反射；如果去掉位置編碼，就會(huì)極大降低模型對(duì)高頻幾何形狀紋理的表現(xiàn)能力，導(dǎo)致渲染出的外觀過于平滑。

另外，針對(duì)高分辨率的復(fù)雜場(chǎng)景，研究人員還進(jìn)行了兩方面的改進(jìn)。

其一，是輸入坐標(biāo)的位置編碼，可以幫助MLP表示高頻函數(shù)。

其二，是分層采樣。用以更高效地采樣高頻表示。

GitHub代碼開源

目前，NeRF項(xiàng)目的代碼已經(jīng)在GitHub上開源。

代碼主要基于Python 3，還需要準(zhǔn)備的一些庫(kù)和框架包括：TensorFlow 1.15、matplotlib、numpy、imageio、configargparse。

優(yōu)化一個(gè)NeRF

研究人員表示，優(yōu)化NeRF只需要一個(gè)GPU就可以完成，時(shí)間方面，需要花費(fèi)幾個(gè)小時(shí)到一兩天（取決于分辨率）。

而從優(yōu)化的NeRF渲染圖像，大約只需要1~30秒時(shí)間。

運(yùn)行如下代碼可以獲取生成Lego數(shù)據(jù)集和LLFF Fern數(shù)據(jù)集：

bash download_example_data.sh 

若想優(yōu)化一個(gè)低解析度的Fern NeRF：

python run_nerf.py --config config_fern.txt 

在經(jīng)過200次迭代之后，就可以得到如下效果：

若想優(yōu)化一個(gè)低解析度的Lego NeRF：

python run_nerf.py --config config_lego.txt 

在經(jīng)過200次迭代之后，就可以得到如下效果：

開始渲染

運(yùn)行如下代碼，為Fern數(shù)據(jù)集獲取經(jīng)過預(yù)訓(xùn)練的高分辨率NeRF。

bash download_example_weights.sh 

渲染代碼，在 render_demo.ipynb 中。

另外，你還可以將NeRF轉(zhuǎn)換為網(wǎng)格，像這樣：

具體示例，可以在 extract_mesh.ipynb 中找到。還需要準(zhǔn)備PyMCubes、trimesh和pyrender包。

關(guān)于作者：三位青年才俊

這篇論文的研究團(tuán)隊(duì)，來(lái)自加州大學(xué)伯克利分校、谷歌研究院和加州大學(xué)圣地亞哥分校。

共同一作有三位。

Ben Mildenhall，本科畢業(yè)于斯坦福大學(xué)，目前在伯克利電氣工程與計(jì)算機(jī)科學(xué)系（EECS）助理教授吳義仁（Ren Ng）門下讀博。致力于計(jì)算機(jī)視覺和圖形學(xué)研究。

Pratul P. Srinivasan，同樣為伯克利EECS在讀博士，師從吳義仁和Ravi Ramamoorthi。

Matthew Tancik，前面兩位作者的同門，本碩畢業(yè)于MIT。除了專注于計(jì)算機(jī)成像和計(jì)算機(jī)視覺研究外，他還是一位攝影愛好者。

1個(gè)GPU就能完成優(yōu)化，優(yōu)化后渲染又只需要1-30秒，如此方便又效率的項(xiàng)目，還不快來(lái)試試？

One More Thing

最后，還想介紹個(gè)這方面有意思的研究。

NeRF確實(shí)強(qiáng)，但在輸入上還需要多張照片……

那么有沒有方法，一張圖片就能玩3D效果呢？

問就有。

之前，Adobe的實(shí)習(xí)生就提出了一個(gè)智能景深算法，單張2D圖片秒變3D。

讓我們感受下效果。

也是很有大片既視感了。

而最近，同樣是單張2D圖片變3D，臺(tái)灣清華大學(xué)的研究人員，在老照片上玩出了新花樣，論文入選CVPR 2020。

你看看女神奧黛麗·赫本，看看畢加索，看看馬克吐溫：

感覺以后看照片——搖一搖更有感覺啊。

再來(lái)看看“登月”、“宇航員和民眾握手”照片裸眼3D效果：

頗有點(diǎn)身臨其境之感。

與此前介紹過的Adobe的算法（后臺(tái)加鏈接）類似，這一3D圖像分層深度修復(fù)技術(shù)的核心算法，同樣有關(guān)上下文感知修復(fù)：

初始化并切割分層深度圖像（LDI），使其形成前景輪廓和背景輪廓，然后，僅針對(duì)邊緣的背景像素進(jìn)行修補(bǔ)。從邊緣“已知”側(cè)提取局部上下文區(qū)域，并在“未知”側(cè)生成合成區(qū)域（如下圖c所示）。

說(shuō)起來(lái)，對(duì)于個(gè)人視頻制作者、游戲開發(fā)人員，以及缺乏3D建模經(jīng)驗(yàn)的動(dòng)畫公司來(lái)說(shuō)，這類技術(shù)的成熟，可謂“福音”。

通過AI技術(shù)，讓3D效果的實(shí)現(xiàn)進(jìn)一步簡(jiǎn)化，這也是Facebook、Adobe及微軟等公司紛紛投入這方面研究的原因所在。

最后，這個(gè)項(xiàng)目的代碼也開源了……

稿子還沒寫完，我就準(zhǔn)備好一系列“雪藏”已久的照片要試試了。

這也是最近看到最酷的3D圖片方面的突破了。

如果有更酷的，也歡迎留言分享~~

傳送門

項(xiàng)目主頁(yè)：http://www.matthewtancik.com/nerfhttps://shihmengli.github.io/3D-Photo-Inpainting/

GitHub地址：https://github.com/bmild/nerfhttps://github.com/vt-vl-lab/3d-photo-inpainting