墻面也能變鏡子，只看影子就能還原視頻，MIT新算法讓攝像頭無死角

邊策 十三 發(fā)自 凹非寺
量子位 報道 | 公眾號 QbitAI

你在看電影，墻上的影子也在動。如果只讓你看到這樣一段視頻，你能猜出來屏幕上播放的是什么嗎？

最近MIT人工智能實驗室（CSAIL）開發(fā)出的算法可以做到：

而真實的視頻是這樣的：

算法還原的結(jié)果只是模糊了些，但已經(jīng)能猜出視頻的大致內(nèi)容了。

有了這套算法，就可以通過觀察視頻中陰影和幾何圖形之間的相互作用，預(yù)測出光在場景中的傳播方式，然后從觀察到的陰影中估計隱藏的視頻，甚至看出人的輪廓。

這種圖像重建算法會有許多用途：自動駕駛汽車可以了解拐角處正在發(fā)生的事情，監(jiān)控攝像頭也可以發(fā)現(xiàn)在視線外的人。該論文已經(jīng)被最近召開的NeurIPS 2019大會所收錄。

根據(jù)影子，還原看不見的死角

在下面這個場景中，人擺弄玩具的鏡頭被隱藏，在人們正常視野范圍內(nèi)是無法看見的。

我們唯一能夠捕捉到的就是打在墻上的影子。

MIT的這項研究就是僅僅利用這些影子，重新還原隱藏視頻的原貌。

算法對場景中的光線傳輸做了預(yù)測。

下圖左側(cè)是通過算法估計出來的陰影，而右側(cè)則是實際場景中的陰影。

根據(jù)光線傳輸?shù)念A(yù)測和估計，就可以重建隱藏物體的運(yùn)動情況。

例如在下圖中，隱藏在攝像頭視野之外的人，雙手不停的在做著運(yùn)動。

而我們能夠觀察到的只是圖中左側(cè)單個物體中光影的變化。

就是利用這樣簡單的光影變化，便可以重構(gòu)出如圖中右側(cè)的視頻。

與隱藏視頻相比，重構(gòu)的視頻已經(jīng)可以大致再現(xiàn)雙手運(yùn)動的輪廓。

根據(jù)房間雜物亂七八糟的影子，同樣也可以還原下圖隱藏視頻中人物走動的大致輪廓。

當(dāng)然還有這樣的。

以及這樣的。

總體來說，MIT的這次研究，能夠根據(jù)隱藏視頻中的內(nèi)容將光線傳輸分離出來，從而對它做一個大致的估計。

原理

圖像的影子具有線性疊加的特性。如果依次點亮隱藏的屏幕上的兩個像素，并墻上的影子圖像求和，結(jié)果應(yīng)該和一次同時點亮兩個像素時得到的圖像相同。

從數(shù)學(xué)上來看，無論是墻上的影子，還是屏幕上的畫面，都是矩陣。而符合線性疊加的特性，等于是在這兩個矩陣之間做線性變換。

我們不妨把這二者別看做兩個矩陣Z和L，經(jīng)過空間傳輸，畫面L變成了影子Z，這就相當(dāng)于做了一次矩陣乘法，T是空間傳輸矩陣。

Z=TL

問題是我們只看到了影子Z，對于T和L，我們一無所知。

這篇論文的第一作者M(jìn)iika Aittala說：“這就像是我告訴你，我正在考慮兩個秘密數(shù)字，它們的乘積為80。你能猜出它們是什么嗎？也許是40和2，或是371.8和0.2152?！?/p>

對于這個問題也是類似，而且我們在每個像素上都會有一樣的困擾。如何求出傳輸矩陣T成了問題的關(guān)鍵。

如果我們知道了光傳輸矩陣，那么求原圖像L的操作就變成了最小化||Z-TL||2的最小二乘法問題。

作者通過DCT和PCA方法測量了T，然后通過求逆的方法恢復(fù)了原始圖像。

因此知道了T，接下來恢復(fù)圖像就好辦了。

但是這篇文章要挑戰(zhàn)更高的難度：如何在不知道T的情況下恢復(fù)圖像。他們使用了去年一篇Deep Image Prior論文中的新的矩陣分解方法。

這篇文章曾經(jīng)被CVPR 2018收錄，在inpainting問題上收到了不錯的效果。

過去也有一些矩陣分解方法，但是分解得到的矩陣一般都是低秩的，與圖像差別很大，而且對初始值和優(yōu)化的動力學(xué)都高度敏感，只能針對特定問題量身定制。

而作者使用的矩陣分解方法里，CNN隨機(jī)初始化并“過擬合”，將兩個噪聲矢量映射到兩個矩陣T和L，使它們的乘積與輸入矩陣Z匹配。此過程將因式分解正則化為更接近于圖像的結(jié)構(gòu)。

結(jié)合上面的思想

Deep Image Prior

作者首先描述了一種基線方法，在知道Z和L的情況下求T，其實就是求||Z-TL||2最小值的最小二乘法問題。

使用了Deep Image Prior的方法，作者提出了一種在無法測得的光傳輸矩陣時，逆向求原圖像的方法。逆向光傳輸矩陣的體系架構(gòu)和數(shù)據(jù)流動如下圖所示：

其中左下角是存儲在U中的左奇異矢量的一個樣本。L和Q是兩個卷積神經(jīng)網(wǎng)絡(luò)，其余塊是多維張量或矩陣，其尺寸顯示在邊緣。

L和Q生成各自矩陣的卷積神經(jīng)網(wǎng)絡(luò)中張量，然后在隨后的網(wǎng)絡(luò)操作中將結(jié)果重整為堆疊的矩陣表示形式，以便評估矩陣乘積。

傳輸矩陣T的分量可以表示為從輸入視頻的奇異值分解（SVD）獲得的基本圖像的線性組合。這樣做計算效率高，又通過限制迭代和位于有效分解子空間中的解來指導(dǎo)優(yōu)化。

通過輸入Z預(yù)先計算的截斷奇異值分解UΣVT帶入到上面的網(wǎng)絡(luò)中，計算出T，再將計算的TL與Z對比求得損失。

因此問題的核心就變成了用CNN得出Q，使得(UQ)L≈Z。

代碼已開源

這么好玩的技術(shù)，代碼當(dāng)然開源啦~

GitHub鏈接如下：
https://github.com/prafull7/compmirrors

這份文檔中列出了“矩陣分解”和“光線傳輸分解”的實現(xiàn)方法。

安裝

git?clone?https://github.com/prafull7/compmirrors
cd?compmirrors

配置要求：Python 3.7，以及還需要torch=1.0.1.post2、matplotlib、scipy、visdom等包。

矩陣分解

這步的實現(xiàn)代碼在factorization_1d.py文件。可用如下代碼運(yùn)行：

python?factorization_1d.py?-T?./data/inputs_1d/lightfield.png?-L?./data/inputs_1d/tracks_bg.png?-o?./outdir_1d?

光線傳輸分解

一次性訓(xùn)練實現(xiàn)代碼在factorization_light_transport.py文件。可用如下代碼運(yùn)行：

export?FACTORIZE_DATA_DIR=/path/to/where/data/folders/
export?FACTORIZE_OUT_DIR=/path/to/output/directory
python?factorization_light_transport.py?-d?./data/light_transport/?-f?FOLDER_NAME?-ds?DATASET_NAME?-s?SEQUENCE_NAME?-dev?DEVICE_NUMBER

依舊是“雞生蛋，還是蛋生雞”問題

雖然這項技術(shù)能夠重建被隱藏的內(nèi)容，但是用戶還是需要提前知道被隱藏的東西是存在的。

用數(shù)學(xué)的角度來打個比方。

A和B相乘得80，讓你來猜A和B分別是哪兩個數(shù)字。

可能是40和2，也可能是371.8和0.2152。

在重建工作中，每個像素都會遇到這樣的問題——有多種選擇。

要讓計算機(jī)來做選擇，那它就會做最簡單的事情，得到的結(jié)果就是隨機(jī)的圖像。

因此需要規(guī)定的算法來做訓(xùn)練。

在此之前，量子位也曾報道過，通過墻壁漫反射的光影，來重建原始畫面。

墻上的漫反射如下圖所示：

算法還原的圖像則是：

這個圖像還原實驗是，在房間中間隨手放置了一個不明位置的遮擋物體，可以是一塊不發(fā)光的板子，也可以是隨手拽過來的一把椅子，阻擋一部分光線到達(dá)墻壁。

而這次是完全根據(jù)墻上的影子來做圖像還原工作。

通過影子的變化可以大致了解房間里隱蔽區(qū)域發(fā)生了哪些運(yùn)動。

研究人員同時也對接下來的工作做了展望：

未來，希望能夠提高系統(tǒng)的總體分辨率，并最終在不受控制的環(huán)境中測試該技術(shù)。

傳送門

博客：
https://news.mit.edu/2019/using-computers-view-unseen-computational-mirrors-mit-csail-1206

論文：
https://arxiv.org/pdf/1912.02314.pdf

代碼：
https://github.com/prafull7/compmirrors

數(shù)據(jù)：
http://compmirrors.csail.mit.edu/data/dots-sequence.tar