本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯系出處。

看到這張恐龍化石的動態圖片，你肯定會認為是用視頻截出來的吧？

然而真相卻是——完全由靜態圖片生成！

沒錯，而且還是不用3D建模的那種。

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

還需要專門說明的是，這項研究的代碼和數據，也都已經開源。

你有想法，盡情一試~

靜態圖片，合成逼真3D效果

我們先來看下NeRF，在合成數據集(synthetic dataset)上的效果。

可以看到，這些生成的對象，無論旋轉到哪個角度，光照、陰影甚至物體表面上的細節，都十分逼真。

就仿佛是拿了一臺錄影設備，繞著物體一周錄了視頻一樣。

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

不難看出，作為對比的三種方法，或多或少的在不同角度出現了模糊的情況。

而NeRF可謂是做到了360度無死角高清效果。

接下來是NeRF的視點相關 (View-Dependent)結果。

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

NeRF還能夠在復雜的遮擋下，展現場景中詳細的幾何體。

還可以在現實場景中，插入虛擬對象，并且無論是“近大遠小”，還是遮擋效果，都比較逼真。

當然，360度捕捉真實場景也不在話下。

神經輻射場（neural radiance field）方法

這樣出色的效果，是如何實現的呢？

首先，是將場景的體積表示優化為向量函數，該函數由位置和視圖方向組成的連續5D坐標定義。具體而言，是沿相機射線采樣5D坐標，來合成圖像。

而后，將這樣的場景表示參數化為一個完全連接深度網絡（MLP），該網絡將通過5D坐標信息，輸出對應的顏色和體積密度值。

通過體積渲染技術將這些值合成為RGB圖像。

渲染函數是可微分的，所以可以通過最小化合成圖像和真實圖像之間的殘差，優化場景表示。

需要進一步說明的是，MLP使用8個完全連接層（ReLU激活，每層256個通道）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視角連接起來，傳遞到4個附加的全連接層（ReLU激活，每層128個通道），以輸出視點相關的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。

這樣做的好處可以通過對比來體現。可以看到，如果去掉視點相關，模型將無法重現鏡面反射；如果去掉位置編碼，就會極大降低模型對高頻幾何形狀紋理的表現能力，導致渲染出的外觀過于平滑。

另外，針對高分辨率的復雜場景，研究人員還進行了兩方面的改進。

其一，是輸入坐標的位置編碼，可以幫助MLP表示高頻函數。

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項目的代碼已經在GitHub上開源。

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

優化一個NeRF

研究人員表示，優化NeRF只需要一個GPU就可以完成，時間方面，需要花費幾個小時到一兩天（取決于分辨率）。

而從優化的NeRF渲染圖像，大約只需要1~30秒時間。

運行如下代碼可以獲取生成Lego數據集和LLFF Fern數據集：

bash download_example_data.sh 

若想優化一個低解析度的Fern NeRF：

python run_nerf.py --config config_fern.txt 

在經過200次迭代之后，就可以得到如下效果：

若想優化一個低解析度的Lego NeRF：

python run_nerf.py --config config_lego.txt 

在經過200次迭代之后，就可以得到如下效果：

開始渲染

運行如下代碼，為Fern數據集獲取經過預訓練的高分辨率NeRF。

bash download_example_weights.sh 

渲染代碼，在 render_demo.ipynb 中。

另外，你還可以將NeRF轉換為網格，像這樣：

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

關于作者：三位青年才俊

這篇論文的研究團隊，來自加州大學伯克利分校、谷歌研究院和加州大學圣地亞哥分校。

共同一作有三位。

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

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，本碩畢業于MIT。除了專注于計算機成像和計算機視覺研究外，他還是一位攝影愛好者。

1個GPU就能完成優化，優化后渲染又只需要1-30秒，如此方便又效率的項目，還不快來試試？

One More Thing

最后，還想介紹個這方面有意思的研究。

NeRF確實強，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的實習生就提出了一個智能景深算法，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，臺灣清華大學的研究人員，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。

再來看看“登月”、“宇航員和民眾握手”照片裸眼3D效果：

頗有點身臨其境之感。

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

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，僅針對邊緣的背景像素進行修補。從邊緣“已知”側提取局部上下文區域，并在“未知”側生成合成區域（如下圖c所示）。

說起來，對于個人視頻制作者、游戲開發人員，以及缺乏3D建模經驗的動畫公司來說，這類技術的成熟，可謂“福音”。

通過AI技術，讓3D效果的實現進一步簡化，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，這個項目的代碼也開源了……

稿子還沒寫完，我就準備好一系列“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

項目主頁：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