英偉達一出手,3D建模師都饞哭了。
現在,製作一個紋理超細緻的大衛3D模型,需要幾步?
剛剛靠著AI,市值一度飈破萬億美元的英偉達給出最新答案:
給AI投喂一段普通視訊,它就能自動搞定。
不僅雕塑的每一個褶皺都能拿捏住,更為複雜的建築場景3D重建,同樣靠一個視訊就能解決:
連深度都能直接估算出來。
這個新AI名叫Neuralangelo,來自英偉達研究院和約翰霍普金斯大學。
論文剛一發表就吸引了全場網友的目光,讓人直呼:這是直接創造新世界的節奏。
甚至再一次拉動了顯示卡銷量(doge):
目前,相關論文已經入選CVPR 2023。更多技術細節,我們一起接著往下看~
無需深度資料,直出3D結構
這篇論文采用的架構名叫Neuralangelo,一個聽起來有點像著名雕塑家米開朗基羅(Michelangelo)的名字。
具體來說,Neuralangelo核心採用了兩個技術。
一個是基於SDF的神經渲染重建。
其中,SDF即符號距離函式(Signed Distance Function),它的本質就是將3D模型劃出一個表面,然後用數值表示每個點距離模型的實際距離,負數指點在表面內側,正數指點在表面外側:
△圖源chriscummingshrg
基於SDF的神經渲染技術,則是採用神經網路(如MLP)對SDF進行編碼,來對物體表面進行一個近似還原。
另一個則是多解析度雜湊編碼,用於降低計算量。
多解析度雜湊編碼是一種特殊的編碼方式,能用很小的網路降低計算量,同時確保生成的質量不降低。
其中,多解析度雜湊表的value,對應由隨機梯度下降優化得到特徵向量。
操作流程上,則分為兩步。
首先,基於神經渲染重建方法,計算出視訊中3D結構的「粗糙表面」。
值得注意的是,這裏採用了數值梯度而不是解析梯度,這樣基於SDF生成演算法做出來的3D模型表面更加平滑,不會出現凹凸不平的狀態:
論文還額外對比了一下解析梯度和數值梯度的狀態,從圖中來看,數值梯度整體上能取得更平滑的建築效果:
隨後,就是逐漸減小數值梯度的步長(step size)、採用解析度更高的雜湊表,一步一步提升模型的精細度,還原建築的細節:
最後再對生成的效果進行優化,就得到了還原出來的影象。
包含MLP和雜湊編碼在內,整個網路採用端到端的方式進行訓練。
測試效果如何?
研究人員採用了DTU和Tanks and Temples兩個資料集對Neuralangelo進行測試。
DTU資料集包含128個場景,這篇論文具體採用了其中的15個場景,每個場景包含49~64張由機器人拍攝的RGB影象。
隨後,還採用了Tanks and Temples中6個場景的263~1107張RGB相機拍攝影象,真實資料則由LiDAR感測器獲得。
Tanks and Temples包含中級和高階兩類資料集。
其中,中級資料集包含雕塑、大型車輛和住宅規模的建築;高階資料集則包含從內部成像的大型室內場景、以及具有複雜幾何佈局和相機軌跡的大型室外場景:
具體到生成細節上,Neuralangelo相比NeuS和NeuralWarp等「前SOTA」模型,在DTU資料集上展現出了非常準確的3D細節生成:
而在Tanks and Temples資料集上,Neuralangelo也同樣展現出了不錯的還原效果:
在F1-Score評估和影象質量PSNR評估中,Neuralangelo基本上全部取得了最好的效果:
華人一作
這篇研究的作者來自英偉達和約翰霍普金斯大學(Johns Hopkins University)。
論文一作李趙碩(Zhaoshuo Li),本科畢業於不列顛哥倫比亞大學,目前是約翰霍普金斯大學的博士生,師從Mathias Unberath和Russell Taylor。
Russell Taylor是醫療機器人領域泰斗,曾主持研發全球首臺骨科手術機器人ROBDOC。
而李趙碩本人,本科專業也是機器人工程,如今算是小小跨界,研究重點在影象重建3D結構上。
Neuralangelo是李趙碩在英偉達實習期間的工作。此前,他還曾在Meta的Reality Labs實習(就是小扎All in 元宇宙的核心部門)。
參考連結:
[1]https://twitter.com/bilawalsidhu/status/1664268049589911552
[2]https://shaderfun.com/2018/03/25/signed-distance-fields-part-2-solid-geometry/