只需2張照片就能2D變3D，這個AI能自己腦補蠟燭吹滅過程，一作二作均是華人 | CVPR 2022
屬實是另類拯救廢片了
明敏 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI
2張廢片啪地一合！
錯過的精彩瞬間立刻重現(xiàn)，還能從2D升到3D效果。
看，小男孩可愛的笑容馬上躍然浮現(xiàn)：
吹滅生日蛋糕蠟燭的瞬間也被還原了出來：
咧嘴笑起來的過程看著也太治愈了吧~
咱就是說，這回相機里熊孩子/毛孩子的廢片終于有救了！
而且完全看不出是后期合成的效果，仿佛是原生拍攝的一般。
這就是谷歌、康奈爾大學、華盛頓大學最近聯(lián)合推出的成果，能只用2張相近的照片還原出3D瞬間，目前已被CVPR 2022收錄。
論文作者一作、二作均為華人，一作小姐姐本科畢業(yè)于浙江大學。
用2張照片正反向預測中間場景
這種方法適用于兩張非常相似的照片，比如連拍時產(chǎn)生的一系列照片。
方法的關(guān)鍵在于將2張圖片轉(zhuǎn)換為一對基于特征的分層深度圖像 （LDI），并通過場景流進行增強。
整個過程可以把兩張照片分別看做是“起點”和“終點”，然后在這二者之間逐步預測出每一刻的變化。
具體來看，過程如下：
首先，將兩張照片用單應矩陣（homegraphy）對齊，分別預測兩張照片的稠密深度圖。
然后將每個RGBD圖像轉(zhuǎn)換為彩色的LDI，通過深度感知修復背景中被遮擋的部分。
其中，RGB圖像即為普通RGB圖像+深度圖像。
之后用二維特征提取器修復LDI的每個顏色層，以獲取特征層，從而生成兩份特征圖層。
下一步就到了模擬場景運動部分。
通過預測兩個輸入圖像之間的深度和光流，就能計算出LDI中每個像素的場景流。
而如果想要兩張圖之間渲染出一個新的視圖、并提升到3D，在此需要將兩組帶特征值的LDI提升到一對3D點云中，還要沿著場景流雙向移動到中間的時間點。
然后再將三維的特征點投影展開，形成正向、反向的二維特征圖及對應深度圖。
最后將這些映射與時間線中對應時間點的權(quán)重線性混合，將結(jié)果傳給圖像合成網(wǎng)絡，就能得到最后的效果了。
實驗結(jié)果
從數(shù)據(jù)方面來看，該方法在所有誤差指標上，均高于基線水平。
在UCSD數(shù)據(jù)集上，這一方法可以保留畫面中的更多細節(jié)，如（d）所示。
在NVIDIA數(shù)據(jù)集上進行消融實驗表明，該方法在提高渲染質(zhì)量上表現(xiàn)也很nice。
不過也存在一些問題：當兩張圖像之間的改變比較大時，會出現(xiàn)物體錯位的現(xiàn)象。
比如下圖中酒瓶的瓶嘴移動了，不該發(fā)生變化的酒杯也搖晃了起來。
還有照片如果沒有拍全的地方，在合成的時候難免會出現(xiàn)“截肢”的情況，比如下圖中喂考拉的手。
團隊介紹
該研究的一作為Qianqian Wang，現(xiàn)在在康奈爾大學讀博四。
她本科畢業(yè)于浙江大學，師從周曉巍。
研究興趣為計算機視覺、計算機圖形學和機器學習。
二作是Zhengqi Li，博士畢業(yè)于康納爾大學，本科畢業(yè)于明尼蘇達大學，目前在Google Research。
曾獲提名CVPR 2019最佳論文，谷歌2020博士獎研金，2020年Adobe Research獎學金，入圍百度2021年AI華人新星百強榜單。
參與此項研究的還有華盛頓大學教授Brian Curless。
他還提出過另一種方法能夠?qū)崿F(xiàn)類似效果，同樣只用到了2張照片，通過新型幀插值模型生成連貫的視頻。
論文地址：
https://3d-moments.github.io/
- 4o-mini華人領(lǐng)隊也離職了，這次不怪小扎2025-08-19
- 宇樹機器人“撞人逃逸”火到國外，王興興回應：下次不遙控了2025-08-16
- 突破Claude-4編程上限！自進化Agent框架拿下新SOTA，已開源2025-08-19
- 讓OpenAI只領(lǐng)先5天，百川發(fā)布推理新模型，掀翻醫(yī)療垂域開源天花板2025-08-11
相關(guān)閱讀
