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/