6月iOS設備好評榜：第一蟬聯榜首近一年
作為安兔兔各種榜單里變化最小的那個，2023年6月的iOS好評榜和上個月相比沒有任何排名上的變化，僅僅是部分設備好評率的下降，長年累月的用戶評價和逐漸退出市場的老款機器讓這
2張廢片啪地一合!
錯過的精彩瞬間立刻重現，還能從2D升到3D效果。
看，小男孩可愛的笑容馬上躍然浮現：
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，比如連拍時產生的一系列照片。
方法的關鍵在于將2張圖片轉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重線性混合，將結果傳給圖像合成網絡，就能得到最后的效果了。
實驗結果
從數據方面來看，該方法在所有誤差指標上，均高于基線水平。
在UCSD數據集上，這一方法可以保留畫面中的更多細節，如(d)所示。
在NVIDIA數據集上進行消融實驗表明，該方法在提高渲染質量上表現也很nice。
不過也存在一些問題：當兩張圖像之間的改變比較大時，會出現物體錯位的現象。
比如下圖中酒瓶的瓶嘴移動了，不該發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“截肢”的情況，比如下圖中喂考拉的手。
論文地址：
https://3d-moments.github.io/
本文鏈接：http://www.www897cc.com/showinfo-119-2324-0.html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，一作二作均為華人
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號