近日，Meta 和 CMU 的研究人員提出了一種全新的 6-DoF 視頻表征方法，單張 RTX 3090 即可每秒 18 幀實(shí)現(xiàn)百萬像素分辨率渲染，或?qū)⒔o VR 帶來革命性的高質(zhì)量體驗(yàn)。最近，由 Meta 和卡內(nèi)基梅隆大學(xué)提出的 6-DoF 視頻表征模型 ——HyperReel，可能預(yù)示著一個(gè)全新 VR「殺手級(jí)」應(yīng)用即將誕生！所謂「六由度視頻」（6-DoF），簡(jiǎn)單來說就是一個(gè)超高清的 4D 體驗(yàn)式回放。其中，用可以完全「置身于」態(tài)場(chǎng)景里面，并且可自由地移動(dòng)。而當(dāng)他任意改變自己的頭部置（3 DoF）和方向（3 DoF）時(shí)，與之相應(yīng)的視圖也會(huì)之生成。論文地址：https://arxiv.org/ abs / 2301.02238與之前的工作相比，HyperReel 最大的優(yōu)勢(shì)在于內(nèi)存和計(jì)算效率，而兩點(diǎn)對(duì)于便攜式 VR 頭顯來說都至關(guān)重要。而且只需采用 vanilla PyTorch，HyperReel 就能在單張英偉達(dá) RTX 3090 上，以每秒 18 幀的速度實(shí)現(xiàn)百萬像素分辨率的渲染。太不看版：1. 提出一種可在高分辨率下實(shí)高保真度、高幀率的染的光線條件采樣預(yù)網(wǎng)絡(luò)，以及一種緊湊內(nèi)存高效的動(dòng)態(tài)體積征；2. 6-DoF 視頻表征方法 HyperReel 結(jié)合了以上兩個(gè)核心部分可以在實(shí)時(shí)渲染百萬素分辨率的同時(shí)，實(shí)速度、質(zhì)量和內(nèi)存之的理想平衡；3. HyperReel 在內(nèi)存需求、渲染速度多個(gè)方面均優(yōu)于其他法。論文介紹體積場(chǎng)表征（volumetric scene representation）能夠?yàn)殪o態(tài)場(chǎng)景提供逼真的帝俊圖成，并構(gòu)成了現(xiàn)有 6-DoF 視頻技術(shù)的基礎(chǔ)。然而，驅(qū)動(dòng)這表征的體積渲染程序需要在質(zhì)量、渲染速和內(nèi)存效率方面，進(jìn)仔細(xì)的權(quán)衡?，F(xiàn)有的法有一個(gè)弊端 —— 不能同時(shí)實(shí)現(xiàn)實(shí)時(shí)性、小內(nèi)存占用和高質(zhì)渲染，而在極具挑戰(zhàn)的真實(shí)場(chǎng)景中，這些是極為重要的。為了決這些問題，研究人提出了 HyperReel—— 一種基于 NeRF 技術(shù)（神經(jīng)輻射場(chǎng)）的 6-DoF 視頻表征方法。其中，HyperReel 的兩個(gè)核心部分是：1. 一個(gè)光線條件下的采樣預(yù)測(cè)網(wǎng)絡(luò)能夠在高分辨率下進(jìn)高保真、高幀率的渲；2. 一個(gè)緊湊且內(nèi)存高效的動(dòng)態(tài)體積表。與其他方法相比，HyperReel 的 6-DoF 視頻管線不僅在視覺質(zhì)量上現(xiàn)極佳，而且內(nèi)存需也很小。同時(shí)，HyperReel 無需任何定制的 CUDA 代碼，就能在百萬像分辨率下實(shí)現(xiàn) 18 幀 / 秒的渲染速度。具體來說，HypeReel 通過結(jié)合樣本預(yù)測(cè)網(wǎng)絡(luò)和基于關(guān)幀的體積表征法，從實(shí)現(xiàn)了高渲染質(zhì)量、度和內(nèi)存效率之間的衡。其中的樣本預(yù)測(cè)絡(luò)，既能加速體積渲，又能提高渲染質(zhì)量特別是對(duì)于具有挑戰(zhàn)的視圖依賴性的場(chǎng)景而在基于關(guān)鍵幀的體表征方面，研究人員用的是 TensoRF 的擴(kuò)展。這種方法可以在內(nèi)存消耗與單靜態(tài)幀 TensoRF 大致相同的同時(shí)，湊地表征了一個(gè)完整視頻序列。實(shí)時(shí)演示下來，我們就實(shí)時(shí)演一下，HypeReel 在 512x512 像素分辨率下動(dòng)態(tài)和靜態(tài)場(chǎng)景講山渲染效。值得注意的是，研人員在 Technicolor 和 Shiny 場(chǎng)景中使用了更小的模型，因此渲的幀率大于 40 FPS。對(duì)于其余的數(shù)據(jù)集則使用完整模型，過 HypeReel 仍然能夠提供實(shí)時(shí)推理。TechnicolorShinyStanfordImmersiveDoNeRF實(shí)現(xiàn)方法為了實(shí)現(xiàn) HeperReel，首先要考慮的問題，是要優(yōu)化靜態(tài)視圖合的體積表征。像 NeRF 這樣的體積表征，就是對(duì)靜態(tài)場(chǎng)景在 3D 空間中的每一個(gè)點(diǎn)的密度和外觀，進(jìn)建模。更具體地說，過函數(shù)將位置 x 和方向沿著?條射線映到顏色和密度 σ(x)。此處的可訓(xùn)練參數(shù) θ，可以是神經(jīng)網(wǎng)絡(luò)權(quán)重、N 維數(shù)組條目，或兩者的組合。然就可以渲染靜態(tài)場(chǎng)景新視圖其中表征從 o 到的透射率。在實(shí)踐中，可以通過沿給定線獲取多個(gè)樣本點(diǎn)，后使用數(shù)值求積來計(jì)方程式 1：其中權(quán)重指定了每個(gè)樣本點(diǎn)的色對(duì)輸出的貢獻(xiàn)。體渲染的網(wǎng)格示例在靜場(chǎng)景的 HyperReel 中，給定一組圖像和相機(jī)姿勢(shì)，而練目標(biāo)就是重建與每光線相關(guān)的測(cè)量顏色大多數(shù)場(chǎng)景是由實(shí)體體組成的，這些物體表面位于 3D 場(chǎng)景體積內(nèi)的一個(gè) 2D 流形上。在這種情況，只有一小部分樣本會(huì)影響每條光線的渲顏色。因此，為了加體積渲染，研究人員望只對(duì)非零的點(diǎn)，查顏色和不透明度。如圖所示，研究人員使前饋網(wǎng)絡(luò)來預(yù)測(cè)一組本位置。具體來說，是使用樣本預(yù)測(cè)網(wǎng)絡(luò)將射線映射到樣本點(diǎn)以獲取體積等式 2 中的渲染。這里，研人員使用 Plucker 的參數(shù)化來表征光線。但是這其大鵹有個(gè)問題：給網(wǎng)絡(luò)太多靈活性，可能會(huì)對(duì)視合成質(zhì)量產(chǎn)生負(fù)面影。例如，如果 (x1, . . . , xn) 是完全任意的點(diǎn)，那么渲染可能看來不是多視圖?致的為了解決這個(gè)問題，究人員選擇用樣本預(yù)網(wǎng)絡(luò)來預(yù)測(cè)一組幾何元 G1, ..., Gn 的參數(shù)，其中基元的參數(shù)可以根據(jù)入射線的不同而變化為了得到樣本點(diǎn)，將線與每個(gè)基元相交。圖 a 所示，給定源自相機(jī)原點(diǎn) o 并沿方向 ω 傳播的輸入光線后，研究人員首使用 Plucker 坐標(biāo)，重新對(duì)光線進(jìn)行參數(shù)化?？嗌綀D b 所示，一個(gè)網(wǎng)絡(luò)將此線作為輸入，輸出一幾何基元 {}（如軸對(duì)齊的平面和球體）位移矢量 {} 的參數(shù)。如圖 c 所示，為了生成用于體積渲的樣本點(diǎn) {}，研究人員計(jì)算了射線和幾基元之間的交點(diǎn)，并位移矢量添加到結(jié)果。預(yù)測(cè)幾何基元的好是使采樣信號(hào)平滑，于插值。位移矢量為樣點(diǎn)提供了額外的靈性，能夠更好地捕捉復(fù)雜的視線依賴的外。如圖 d 所示，最終，研究人員通過公 2 進(jìn)行體積渲染，產(chǎn)生一個(gè)像素顏色，根據(jù)相應(yīng)的觀察結(jié)果對(duì)它進(jìn)行了監(jiān)督訓(xùn)練基于關(guān)鍵幀的動(dòng)態(tài)體通過上述辦法，就可有效地對(duì) 3D 場(chǎng)景體積進(jìn)行采樣。如何征體積呢？在靜態(tài)情下，研究人員使用的內(nèi)存有效的張量輻射 (TensoRF) 方法；在動(dòng)態(tài)情況下，就將 TensoRF 擴(kuò)展到基于關(guān)鍵幀的動(dòng)態(tài)體積表征。下解釋了從基于關(guān)鍵幀表征中，提取動(dòng)態(tài)的本點(diǎn)表征的過程。如 1 所示，首先，研究人員使用從樣本預(yù)網(wǎng)絡(luò)輸出的速度 {}，將時(shí)間處的樣本點(diǎn) {} 平移到最近的關(guān)鍵幀中。然后，如圖 2 所示，研究人員查詢了時(shí)空紋理的嚳積產(chǎn)生了每個(gè)樣本點(diǎn)的觀特征，然后通過公 10 將其轉(zhuǎn)換成顏色。通過這樣的過程研究人員提取了每個(gè)本的的不透明度。結(jié)對(duì)比靜態(tài)場(chǎng)景的比較此，研究人員將 HyperReel 與現(xiàn)有的靜態(tài)視圖合成方（包括 NeRF、InstantNGP 和三種基于采樣網(wǎng)絡(luò)方法）進(jìn)行了比較。DoNeRF 數(shù)據(jù)集DoNeRF 數(shù)據(jù)集包含六個(gè)合成序列，圖分辨率為 800×800 像素。如表 1 所示，HyperReel 的方法在質(zhì)量上優(yōu)于所有基線，并很大程度上提高了其采樣網(wǎng)絡(luò)方案的性能同時(shí)，HyperReel 是用 vanilla PyTorch 實(shí)現(xiàn)的，可在單張 RTX 3090 GPU 上以 6.5 FPS 的速度渲染 800×800 像素的圖像（或者用 Tiny 模型實(shí)現(xiàn) 29 FPS 的渲染）。此外，與 R2L 的 88 層、256 個(gè)隱藏單元的深度 MLP 相比，研究人員提出的 6 層、256 個(gè)隱藏單元的網(wǎng)絡(luò)外加 TensoRF 體積骨干的推理速度更快LLFF 數(shù)據(jù)集LLFF 數(shù)據(jù)集包含 8 個(gè)具有 1008×756 像素圖像的真實(shí)世界序列。表 1 所示，HyperReel 的方法優(yōu)于 DoNeRF、AdaNeRF、TermiNeRF 和 InstantNGP，但取得的質(zhì)量比 NeRF 略差。由于錯(cuò)誤的相機(jī)校準(zhǔn)和輸入角的稀疏性，這個(gè)數(shù)集對(duì)顯式體積表征來是一個(gè)巨大的挑戰(zhàn)。態(tài)場(chǎng)景的比較Technicolor 數(shù)據(jù)集Technicolor 光場(chǎng)數(shù)據(jù)集包含了由時(shí)間同步的 4×4 攝像機(jī)裝置拍攝的各種室內(nèi)環(huán)境的視頻其中每個(gè)視頻流中的張圖片都是 2048×1088 像素。研究人員將 HyperReel 和 Neural 3D Video 在全圖像分辨率下對(duì)這個(gè)數(shù)據(jù)集的五序列（Birthday, Fabien, Painter, Theater, Trains）進(jìn)行比較，每個(gè)序列有 50 幀長(zhǎng)。如表 2 所示，HyperReel 的質(zhì)量超過了 Neural 3D Video，同時(shí)每個(gè)序列的訓(xùn)練時(shí)間僅為 1.5 個(gè)小時(shí)（而不是 Neural 3D 的 1000 多個(gè)小時(shí)），并且渲染速度快。Neural 3D Video 數(shù)據(jù)集Neural 3D Video 數(shù)據(jù)集包含 6 個(gè)室內(nèi)多視圖視頻序列，由 20 臺(tái)攝像機(jī)以 2704×2028 像素的分辨率拍攝。如表 2 所示，HyperReel 在這個(gè)數(shù)據(jù)集上的表現(xiàn)超過了所有基線方法，包括 NeRFPlayer 和 StreamRF 等最新工作。特別是HyperReel 在數(shù)量上超過了 NeRFPlayer，渲染速度是其 40 倍左右；在質(zhì)量上超過 StreamRF，盡管其采用 Plenoxels 為骨干的方法（使用定制的 CUDA 內(nèi)核來加快推理速度）渲染速度更。此外，HyperReel 平均每幀消耗的內(nèi)存比 StreamRF 和 NeRFPlayer 都要少得多。谷歌 Immersive 數(shù)據(jù)集谷歌 Immersive 數(shù)據(jù)集包含了各種室內(nèi)和室外環(huán)境的光視頻。如表 2 所示，HyperReel 在質(zhì)量上比 NeRFPlayer 的要好 1 dB，同時(shí)渲染速度也更快。有些憾的是，HyperReel 目前還沒有達(dá)到 VR 所要求的渲染速度（理想情況下 72FPS，立體聲）。不過，由于該方是在 vanilla PyTorch 中實(shí)現(xiàn)的，因此可以通比如自定義的 CUDA 內(nèi)核等工作，來進(jìn)一步優(yōu)化性能。作者紹論文一作 Benjamin Attal，目前在卡內(nèi)基梅隆器人研究所攻讀博士位。研究興趣包括虛現(xiàn)實(shí)，以及計(jì)算成像顯示。參考資料：https://arxiv.org/abs/2301.02238https://hyperreel.github.iohttps://hub.baai.ac.cn/view/23146https://twitter.com/DrJimFan/status/1611791338034593793本文來自微信公眾號(hào)：新智元 （ID：AI_era），編輯：好困 Aeneas