Press "Enter" to skip to content

苹果把 NeRF 玩出新高度:只需单个 10s 视频,就能重构人物动作和场景

本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.

有了这个发明,以后演员拍戏再也不用抠图了?答:可以直接一键合成。(手动狗头)

 

让我们赶紧来看看, 这个由苹果最新研发的 NeuMan 框架 :只需输入一段 10s 左右的人物视频, 就能合成该人物在新场景下做着各种新动作的影像 。前空翻?so easy!

 

 

跳舞那也是不在话下。这妖娆的舞姿,看来 NeuMan 心里也有一个舞魂~

 

 

有网友看完就表示:喔~简直是电影界未来的发展方向。

 

 

目前,有关 NeuMan 的研究论文已被 ECCV’22 收录,并且已在 GitHub 上开源。

 

 

全新场景渲染

 

在介绍 NeuMan 的原理之前,让我们再来欣赏几个酷炫的例子~如下图所示,左上角是输入的训练视频,左下角是新的背景,右边则是合成后小哥在新背景下跳跃的效果。

 

 

不仅是跳跃这种常规操作,广播体操也完全没问题。

 

 

更厉害的是, NeuMan 还可以将上面例子中的两个人合成到一起 。

 

 

再加上一个人,立马变成魔性的广场舞视频。

 

 

这微笑的小表情,真的很难解释不是本人亲自跳的(手动狗头)。那幺话说回来,这个神奇的 NeuMan 背后的原理是什幺呢?

 

基于 NeRF 的新突破

 

事实上,自从伯克利和谷歌联合打造的 NeRF(Neural Radiance Fields 神经辐射场)横空出世,各种重建三维场景的研究层出不穷。

 

NeuMan 原理也是基于此,简单来说,就是用单个视频训练一个人物 NeRF 模型和一个场景 NeRF 模型,然后再合成在一起生成新的场景。

 

 

首先,在训练场景 NeRF 模型时,我们先从输入的视频中提取相机姿态、稀疏场景模型和多视角-立体深度图。

 

对于原视频中被人体遮挡的部分,则使用 Mask R-CNN 进行图像实体分割,将人体掩模膨胀 4 倍,以确保人体被完全遮蔽。此时,就能做到仅在背景上训练场景 NeRF 模型。

 

至于人体 NeRF 模型训练,研究人员引入了一种端到端的 SMPL 优化(end-to-end SMPL optimization)和纠错神经网络(error-correction network)。

 

SMPL(Skinned Multi-Person Linear Model)是一种基于顶点的人体三维模型,能够精确地表示人体的不同形状和姿态。

 

如下图所示,使用端到端的 SMPL 优化的人体模型,能够更好地表现人体的典型体积。

 

 

纠错神经网络则是用来弥补 SMPL 模型无法表达的细节。值得一提的是, 它只在训练过程中使用,在进行全新场景渲染时会被放弃,以免造成过度拟合 。

 

接下来,在两个模型对齐的阶段,研究人员先使用 COLMAP 解决任意尺度下的对齐问题。然后通过假设人类始终与地面有至少一个接触点,来进一步估计该场景的比例。

 

 

最后,再应用 SMPL 网格和场景的点云叠加,就形成了新图像的渲染效果。

 

 

最终成品显示,该场景 NeRF 模型方面模型能够有效地去除场景中的人类,并在有限的场景覆盖下生成高质量的新背景渲染图像。

 

 

人物 NeRF 模型方面也能很好的捕捉人体的细节,包括袖子、衣领甚至衣服拉链,甚至在渲染新动作时,能执行难度极大的侧翻动作。

 

 

值得一提的是,不同于现行的其他 NeRF 模型对训练视频要求很高,比如需要多个机位拍摄、曝光要保持不变、背景要干净等等,NeuMan 的最大亮点是仅通过用户随意上传的单个视频就能达到同款效果。

 

 

并且,在分别输入六组不同的视频后,数据显示,与此前方法相比,NeuMan 的方法生成的视频渲染质量最佳。

 

 

不过,研究团队也承认, NeuMan 的设计目前还存在一些缺陷 。例如,由于人在活动时手势的变化细微又多变,因此生成视频中对手部细节的把握还不是很准确。

 

另外,在 NeRF 模型渲染时,由于系统假设人类始终与地面有至少一个接触点,因此 NeuMan 不能适用于人与地面接触为零的视频,比如人做后空翻的视频。

 

要想解决这个问题,需要更智能的几何推理知识,这也是未来研究的一个发展方向。

 

研究团队

 

这项研究由苹果机器学习研究中心和英属哥伦比亚大学合作完成。第一作者 Wei Jiang,是英属哥伦比亚大学计算机科学专业的一名四年级博士生,目前在苹果机器学习研究中心实习。主要研究方向是新视角合成、视觉定位和三维视觉。

 

 

他还是英属哥伦比亚大学计算机视觉实验室的一员,导师是 Kwang Moo Yi 教授。硕士毕业于波士顿大学计算机科学专业,本科毕业于浙江工业大学软件工程专业。

 

参考链接:

 

[1] https://twitter.com/anuragranj/status/1559606408789708800

 

[2] https://arxiv.org/abs/2203.12575

 

[3] https://machinelearning.apple.com/research/neural-human-radiance-field

 

[4] https://github.com/apple/ml-neuman

 

[5] https://jiangwei221.github.io/

Be First to Comment

发表回复

您的电子邮箱地址不会被公开。