梦晨 发自 凹非寺

量子位 | 公众号 QbitAI
以NeRF为代表的神经渲染技术高速发展，学界已经不满足合成几个新视角让照片动起来了。
接下来要挑战的是根据照片直接输出3D模型，可以直接导入到电影、游戏和VR等图形生产线里的那种。
所用照片不是出自高质量数据库，就是直接从网上搜集游客拍摄的各大景点，设备、天气、距离角度等都会不一致。
生成的结果远看结构完整，近看细节丰富，如果你有VR设备也可以在Demo中直接预览3D版。
这项最新突破由浙江大学和康奈尔大学团队合作完成，登上图形学顶会SIGGRAPH 2022。
而在这之前，同类技术生成的3D模型连形状完整都做不到。
看到这里，网友纷纷表示这个领域的进展比人们想象的要快。

“慢点学，等等我”。
那么，这项研究靠什么取得了突破？

融合两种采样方式

具体来说，这项研究的基本框架借鉴了NeurIPS 2021上的NeuS，一种把隐式神经标准和体积渲染结合起来的方法。
但是NeuS使用基于球体的采样（Sphere-based sampling）方法，对于近景、小物体来说还算适合。
用于结构复杂的大型建筑物的话会有大量采样点采在空白区域，增加大量不必要的计算压力。
为解决这个问题，研究人员提出体素引导（Voxel-guided）和表面引导（Surface-guided）混合的新采样方法。
体素引导可以避免不必要的浪费，训练时所需射线（Traning ray）可以减少30%。
再结合表面引导增加真实曲面周围的采样密度，帮助神经网络更好拟合，避免丢失细节。
在消融实验中可以看到，仅使用体素引导方法收敛的比基于球体的方法快，但不如混合方法细节丰富。
与之前同类研究对比，新方法生成模型的完整性和细节方面更出色。
训练速度上也有明显优势，特别是在大型场景墨西哥城美术宫（PBA）。
△Ours为完全收敛结果，带小人图标的是训练过程中一个检查点
当然，新方法也不是完全没有缺点。
一个继承自NeRF的局限性是，如果相机位置校准有偏差会影响最终结果。
还有一个难以解决的问题，就是照片拍不到的建筑物背面和内部就无法精确重建了。

One More Thing

最后再补充一点，浙大团队中一些成员，之前还研究了神经3D人体重建。
可应用于为体育比赛提供自由视角的视频重放。
也是666了。
论文地址：

https://arxiv.org/abs/2205.12955
GitHub仓库：

https://zju3dv.github.io/neuralrecon-w/
参考链接：

[1]
https://zju3dv.github.io/neuralbody/
— 完 —
「人工智能」、「智能汽车」微信社群邀你加入！
欢迎关注人工智能、智能汽车的小伙伴们加入我们，与AI从业者交流、切磋，不错过最新行业发展&技术进展。
ps.加好友请务必备注您的姓名-公司-职位哦~
点这里👇关注我，记得标星哦～
一键三连「分享」、「点赞」和「在看」
科技前沿进展日日相见~
继续阅读
阅读原文