你離礁石越來越近，彷彿還有一秒就要觸礁了。
不過這張動圖，並不是從人類拍攝的視頻裏截下來的。
是Adobe放出的新魔法，把這張靜態照片變出了立體感，整個過程只需要2-3秒：
這種特效處理，常常用於紀錄片等視頻的後期製作，名爲Ken Burns Effect。
原本只是2D縮放 (下圖左) ，通過對靜止圖像的平移和縮放，來產生視差，從而實現動畫效果。
但Adobe這種3D效果 (上圖右) ，不僅有平移和縮放，還有視角轉換，給人更沉浸的體驗。
想要實現，需要專業的設計師在Photoshop等軟件中花費數個小時時間。
而且製作成本也很高，一張照片大概需要40-50美元 (約合人民幣280-350元) 。
Adobe也登上了ACM主辦的計算機圖形學頂級期刊TOG，引發了大量討論與關注。不乏有激動的網友給出「三連」：
Incredible. Amazing. Holy shit.
完全不是簡單的縮放
透視原理決定，前景比背景的移動/縮放更劇烈。
所以，前景移動的時候，背景除了移動，也要跟着修復。
AI的背景修復十分自然，手法明顯比「前輩」更高超：
並且，不論背景簡單複雜，AI都不怕。
比如，走到沙發跟前，沙發就擋住了後面窗戶外的草地：
背景的色彩和結構都很複雜，但AI並沒有矇蔽。
如果你覺得，剛纔的視角變化只是由遠及近，不夠複雜。那就看一眼這古老的臺階吧：
彷彿你打算走上臺階，所以正在朝着它的方向，慢慢轉身。
除此之外，一條古老的走廊，你置身其中，好像正在從上仰的視角，變得平視前方。
當然，不只是風景，人像也可以處理。
比如，草地上的新娘，可以遠觀，也可以近距離欣賞：
就像開頭說的那樣，所有的變換，只靠一張靜態圖來完成。
這自然不是普通的縮放可以做到的：
所以，究竟是怎樣的技術做到的？
三步定邊界，結合上下文感知
用單個圖像合成逼真的相機移動的效果要解決兩個基本問題。
首先，要設置一個新的相機位置，合成新視圖，並且需要準確地恢復原始視圖的場景幾何結構。
其次，根據預測的場景幾何結構，要將新視圖在連續的時間線上合成，這就涉及到去遮擋這樣的圖像修復手段。
研究人員們用了三個神經網絡來構建處理框架。
用以訓練的數據集是用計算機生成的。研究人員從UE4 Marketplace2收集了32種虛擬環境，用虛擬攝像機在32個環境中捕獲了134041個場景，包括室內場景，城市場景，鄉村場景和自然場景。每個場景包含4個視圖，每個視圖都包含分辨率爲512×512像素的顏色、深度和法線貼圖。
指定一張高分辨率圖像，首先根據其低分辨率版本估計粗糙深度。這一步由VGG-19來實現，根據VGG-19提取的語義信息指導深度估計網絡的訓練，並用具有地面真實深度的計算機合成數據集進行監督。如此，就能提取出原始圖像的深度圖。
第二個網絡，是Mask R-CNN。爲了避免語義失真，平行於VGG-19，用Mask R-CNN對輸入的高分辨率圖像進行分割，而後用分割的結果來對深度圖進行調整，以確保圖中的每個對象都映射到一個相干平面上。
最後，利用深度細化網絡，參考輸入的高分辨率圖像，對提取出的粗糙深度進行上採樣，確保深度邊界更加精確。
之所以要採用深度細化網絡，是因爲裁切對象的過程中，對象很可能在邊界處被撕開。
有了從輸入圖像獲得的點雲和深度圖（注：點雲指通過3D掃描得到的物品外觀表面的點數據集合），就可以渲染連續的新視圖了。
不過，這裏又會出現一個新的問題——當虛擬攝像機向前移動的時候，對象本身會產生裂隙（下圖中高塔右側像被網格切開了）。
爲了解決這個問題，研究人員採取了結合上下文感知修復的方法。
結合上下文信息能夠產生更高質量的合成視圖。上下文信息劃定了相應像素在輸入圖像中位置的鄰域，因此點雲中的每個點都可以利用上下文信息來進行擴展。
具體而言，第一步，是進行顏色和深度圖像修復，以從不完整的渲染中恢復出完整的新視圖，其中每個像素都包含顏色，深度和上下文信息。
而後，利用圖像修復深度，將圖像修復顏色映射到點雲中新的色調點。
重複這一過程，直到點雲充分擴展，填補空隙，可以實時地呈現完整且連續的畫面。
「用過都說好」
研究人員覺得好，那不算好。新方法效果如何，還是用戶說了算。
於是，研究團隊搞出了一個「非正式用戶調研」。他們在YouTube上搜集了30個人類創造的3D Ken Burns視頻，將其分成「風景」，「肖像」，「室內」，「人造室外環境」四組，每組隨機抽取三個視頻作爲樣本。
8位志願者參與到了這個測試之中。團隊爲每個志願者分配了一張靜態圖，並提供了人類作品作爲參考，要求志願者使用新方法和Adobe After Effects模板、移動App Viewmee這兩種Ken Burns製作工具創作類似的效果。
志願者會依據自己的主觀意見評價每種工具的可用性和質量。
在志願者們看來，不論是從效果上，還是易用性上，Adobe的這個新工具顯然好得多。
來自Adobe的實習生（現已轉Google）
這項研究的第一作者，是一名波特蘭州立大學的博士生，名爲Simon Niklaus，研究方向爲計算機視覺與深度學習。
他在Adobe Research實習的時候完成了這項工作，目前他正在Google實習。
他的博士生導師，名爲Feng Liu，博士畢業於威斯康辛大學麥迪遜分校，現在是波特蘭州立大學的助理教授，也是這一研究的做作者之一。
此外，這項研究還有另外兩名作者，分別是Long Mai和Jimei Yang，都是Adobe的研究科學家。
Simon Niklaus在Hacker News上與網友互動時也談到了研究的開源計劃。
他說，自己計劃公佈代碼以及數據集，但還沒有得到批准。因爲這項工作是「實習生」完成的， Adobe在開源方面都比較大度。
當然，這也無法排除他們商業化的可能性，如果你對這一研究感興趣，可以先看下研究論文：
3D Ken Burns Effect from a Single Image
https://arxiv.org/abs/1909.05483
One more thing……
關於Ken Burns Effect，也有一段喬布斯的往事。
爲了將這一特效用到蘋果中，喬布斯還專程聯繫了Ken Burns，希望能夠得到他的許可。
一開始，Burns是拒絕的，他不想自己的名字被商業化。
但後來，Burns透露，他同意了喬布斯的請求。
這中間到底發生了什麼，也沒有太多信息傳遞出來。
現在，這一效應在iPhone中應用非常廣泛，比如照片的「回憶」功能，就能夠自動利用這一特效，把一張張照片製作成視頻。
這也給Burns帶來了很多「麻煩」。
他說，有時候自己走在街上，會有陌生人衝到他面前，說自己如何在iPhone上使用它，或者是問他問題。
對於這種情況，他說自己都是盡力快速逃離現場。跟明星遇上私生飯差不多。
emmm……
— 完 —
量子位 · QbitAI