看完2D影片就能3D重建人物场景

明敏 发自 凹非寺

非常AI | 公众号 QbitAI

诶？这是《老友记》流出未公开镜头了？

还是“子弹时间”特效那种？

只见人物定格的一瞬，机位丝滑运动，一个多角度全方位的厨房出现在了眼前，仿佛我人就站在现场啊。

要知道，在正片里其实只有这两幅画面：

没错，又是AI在搞“魔法”。

在看了《老友记》之后，AI能直接还原出宛如真实现场的3D场景，补足两个切换画面之间人物在不同角度时的姿态。

没拍过的角度画面，它都能重建出来。

还能把一个近景镜头，变成大远景。

乍一眼看去，真的很难分辨出生成效果其实是完全捏造的。

“以后电视剧补拍镜头都省了？”

这就是由UC伯克利大学研究人员提出的重建3D人物和环境的新方法。

网友看后脑洞大开：

可能不出10年，你就能把自己的VR形象放到自己喜欢的节目里了。

目前，该方法已被ECCV 2022接收。

专门针对电视剧场景重建

研究人员表示，这次提出的新方法就是专门针对电视剧场景的。

除了《老友记》外，他们还3D重建了《生活大爆炸》等7个电视剧的场景。

要知道，使用单个视频来重建3D场景的难度其实还很高，但是电视剧中往往是同一场景拍下了多个画面，这为AI学习提供了非常丰富的图像资料。

本文方法能够在整季剧集中自动运行，计算出各个镜头的摄像机位置信息、静态三维场景结构和人物身体信息，然后将他们整合计算成一个3D场景来。

具体来看，该方法主要分为处理场景信息人物信息两方面。

场景上，基于不同画面，该方法通过SfM（Structure-from-Motion）来估计出拍摄时摄像机的位置。

这种方法是指在只有单个摄像机的情况下，通过分析摄像机移动时拍到的场景来确定3D场景信息。

然后通过分析摄像机与人物之间的位置关系，以此确定出人物所在的区域，然后将两个不同角度的画面整合分析，进行三角定位，以此确定人物的真正位置。

之后，利用NeRF来重建出细致的3D场景信息。

神经渲染辐射场可以将场景的体积表示优化为向量函数，该函数由位置和视图方向组成的连续5D坐标定义。

也就是沿着相机射线采样5D坐标，以此合成图像。

接下来，就是处理场景中人物信息方面。

针对多镜头情况下，在确定好人物所在位置后，使用NeRF就能直接重建出人体3D信息。

而如果是单镜头情况，就需要利用上下帧画面中人体姿势的变化、摄像机位置和环境结构信息来进行重建。

从实验结果中可以看到，该方法最终可以综合得到的3D信息，重新渲染出一个新的画面。

在消融实验中，如果没有确定摄像机、人物的特征信息，最终得到的结果也都不尽如人意。

并且，研究人员还对得到的场景进行了数据分析，包括相机距离、人物位置分布。

还提供了编辑选项，可以删除或插入选定对象。

目前，该团队已将代码和论文数据开源。

研究团队来自UC伯克利大学人工智能研究实验室。

作者表示，本文方法在电影、体育节目等领域同样适用。

论文地址：
https://arxiv.org/abs/2207.14279

GitHub地址：
https://github.com/ethanweber/sitcoms3D

项目主页：
https://ethanweber.me/sitcoms3D/