来源丨量子位（ID：QbitAI）
作者丨鱼羊 栗子 乾明 发自 凹非寺
你离礁石越来越近，仿佛还有一秒就要触礁了。
不过这张动图，并不是从人类拍摄的视频里截下来的。
是Adobe放出的新魔法，把这张静态照片变出了立体感，整个过程只需要2-3秒：
这种特效处理，常常用于纪录片等视频的后期制作，名为Ken Burns Effect。
原本只是2D缩放 (下图左) ，通过对静止图像的平移和缩放，来产生视差，从而实现动画效果。
但Adobe这种3D效果 (上图右) ，不仅有平移和缩放，还有视角转换，给人更沉浸的体验。想要实现，需要专业的设计师在Photoshop等软件中花费数个小时时间。
而且制作成本也很高，一张照片大概需要40-50美元 (约合人民币280-350元) 。Adobe也登上了ACM主办的计算机图形学顶级期刊TOG，引发了大量讨论与关注。不乏有激动的网友给出“三连”：
Incredible. Amazing. Holy shit.
完全不是简单的缩放透视原理决定，前景比背景的移动/缩放更剧烈。所以，前景移动的时候，背景除了移动，也要跟着修复。AI的背景修复十分自然，手法明显比“前辈”更高超：
形状有点奇怪的教堂并且，不论背景简单复杂，AI都不怕。比如，走到沙发跟前，沙发就挡住了后面窗户外的草地：
背景的色彩和结构都很复杂，但AI并没有蒙蔽。
如果你觉得，刚才的视角变化只是由远及近，不够复杂。那就看一眼这古老的台阶吧：
仿佛你打算走上台阶，所以正在朝着它的方向，慢慢转身。
除此之外，一条古老的走廊，你置身其中，好像正在从上仰的视角，变得平视前方。
当然，不只是风景，人像也可以处理。
比如，草地上的新娘，可以远观，也可以近距离欣赏：
就像开头说的那样，所有的变换，只靠一张静态图来完成。
这自然不是普通的缩放可以做到的：
左为普通缩放，右为3D魔法所以，究竟是怎样的技术做到的？
三步定边界，结合上下文感知用单个图像合成逼真的相机移动的效果要解决两个基本问题。首先，要设置一个新的相机位置，合成新视图，并且需要准确地恢复原始视图的场景几何结构。其次，根据预测的场景几何结构，要将新视图在连续的时间线上合成，这就涉及到去遮挡这样的图像修复手段。
研究人员们用了三个神经网络来构建处理框架。
用以训练的数据集是用计算机生成的。研究人员从UE4 Marketplace2收集了32种虚拟环境，用虚拟摄像机在32个环境中捕获了134041个场景，包括室内场景，城市场景，乡村场景和自然场景。每个场景包含4个视图，每个视图都包含分辨率为512×512像素的颜色、深度和法线贴图。
指定一张高分辨率图像，首先根据其低分辨率版本估计粗糙深度。这一步由VGG-19来实现，根据VGG-19提取的语义信息指导深度估计网络的训练，并用具有ground truth的计算机合成数据集进行监督。如此，就能提取出原始图像的深度图。
第二个网络，是Mask R-CNN。为了避免语义失真，平行于VGG-19，用Mask R-CNN对输入的高分辨率图像进行分割，而后用分割的结果来对深度图进行调整，以确保图中的每个对象都映射到一个相干平面上。
最后，利用深度细化网络，参考输入的高分辨率图像，对提取出的粗糙深度进行上采样，确保深度边界更加精确。
之所以要采用深度细化网络，是因为裁切对象的过程中，对象很可能在边界处被撕开。
有了从输入图像获得的点云和深度图（注：点云指通过3D扫描得到的物品外观表面的点数据集合），就可以渲染连续的新视图了。
不过，这里又会出现一个新的问题——当虚拟摄像机向前移动的时候，对象本身会产生裂隙（下图中高塔右侧像被网格切开了）。
为了解决这个问题，研究人员采取了结合上下文感知修复的方法。
结合上下文信息能够产生更高质量的合成视图。上下文信息划定了相应像素在输入图像中位置的邻域，因此点云中的每个点都可以利用上下文信息来进行扩展。
具体而言，第一步，是进行颜色和深度图像修复，以从不完整的渲染中恢复出完整的新视图，其中每个像素都包含颜色，深度和上下文信息。
而后，利用图像修复深度，将图像修复颜色映射到点云中新的色调点。
重复这一过程，直到点云充分扩展，填补空隙，可以实时地呈现完整且连续的画面。
“用过都说好”研究人员觉得好，那不算好。新方法效果如何，还是用户说了算。
于是，研究团队搞出了一个“非正式用户调研”。他们在YouTube上搜集了30个人类创造的3D Ken Burns视频，将其分成“风景”，“肖像”，“室内”，“人造室外环境”四组，每组随机抽取三个视频作为样本。
8位志愿者参与到了这个测试之中。团队为每个志愿者分配了一张静态图，并提供了人类作品作为参考，要求志愿者使用新方法和Adobe After Effects模板、移动App Viewmee这两种Ken Burns制作工具创作类似的效果。
志愿者会依据自己的主观意见评价每种工具的可用性和质量。
在志愿者们看来，不论是从效果上，还是易用性上，Adobe的这个新工具显然好得多。
来自Adobe的实习生（现已转Google）这项研究的第一作者，是一名波特兰州立大学的博士生，名为Simon Niklaus，研究方向为计算机视觉与深度学习。
他在Adobe Research实习的时候完成了这项工作，目前他正在Google实习。
他的博士生导师，名为Feng Liu，博士毕业于威斯康辛大学麦迪逊分校，现在是波特兰州立大学的助理教授，也是这一研究的做作者之一。
此外，这项研究还有另外两名作者，分别是Long Mai和Jimei Yang，都是Adobe的研究科学家。
Simon Niklaus在Hacker News上与网友互动时也谈到了研究的开源计划。他说，自己计划公布代码以及数据集，但还没有得到批准。因为这项工作是“实习生”完成的， Adobe在开源方面都比较大度。
当然，这也无法排除他们商业化的可能性，如果你对这一研究感兴趣，可以先看下研究论文：
3D Ken Burns Effect from a Single Image
论文传送门：https://arxiv.org/abs/1909.05483
主页传送门：http://sniklaus.com/papers/kenburns
One more thing……关于Ken Burns Effect，也有一段乔布斯的往事。
为了将这一特效用到苹果中，乔布斯还专程联系了Ken Burns，希望能够得到他的许可。一开始，Burns是拒绝的，他不想自己的名字被商业化。但后来，Burns透露，他同意了乔布斯的请求。
这中间到底发生了什么，也没有太多信息传递出来。
现在，这一效应在iPhone中应用非常广泛，比如照片的“回忆”功能，就能够自动利用这一特效，把一张张照片制作成视频。
这也给Burns带来了很多“麻烦”。他说，有时候自己走在街上，会有陌生人冲到他面前，说自己如何在iPhone上使用它，或者是问他问题。
对于这种情况，他说自己都是尽力快速逃离现场。跟明星遇上私生饭差不多。
emmm……
— 完—
本文经授权转载自量子位（ID：QbitAI），如需二次转载请联系原作者。
欢迎转发到朋友圈。
果壳
ID：Guokr42
整天不知道在科普些啥玩意儿的果壳
我觉得你应该关注一下
版权声明：本文由艺术留学网整理发布，如需转载请注明出处。