CVPR | 數(shù)字文藝復(fù)興：NVIDIA Neuralangelo 研究重構(gòu) 3D 場(chǎng)景

Neuralangelo 是 NVIDIA Research 開發(fā)的一個(gè)全新 AI 模型，它利用神經(jīng)網(wǎng)絡(luò)進(jìn)行 3D 重建，可將 2D 視頻片段轉(zhuǎn)換為詳細(xì)的 3D 結(jié)構(gòu)，為建筑物、雕塑以及其他真實(shí)物體生成逼真的虛擬復(fù)本。

就像米開朗基羅用大理石雕刻出令人驚嘆、栩栩如生的雕塑一樣，Neuralangelo 能生成具有復(fù)雜細(xì)節(jié)和紋理的 3D 結(jié)構(gòu)。隨后，創(chuàng)意人士可以將這些 3D 物體導(dǎo)入設(shè)計(jì)軟件中，對(duì)其進(jìn)行進(jìn)一步編輯，用于藝術(shù)、視頻游戲開發(fā)、機(jī)器人和工業(yè)數(shù)字孿生。

Neuralangelo 將復(fù)雜材料——包括屋頂瓦片、玻璃板和光滑的大理石——的紋理從 2D 視頻轉(zhuǎn)換為 3D 物料的能力大大超過(guò)了以前的方法。高保真度讓開發(fā)者和創(chuàng)意專業(yè)人士更容易進(jìn)行 3D 重建，使用智能手機(jī)拍攝的視頻快速為項(xiàng)目創(chuàng)建可用的虛擬物體。

NVIDIA Research 高級(jí)研究總監(jiān)、上述論文的合著者劉洺堉表示：“Neuralangelo 的 3D 重建能力將使創(chuàng)作者受益匪淺，能夠幫助他們?cè)跀?shù)字世界中重建現(xiàn)實(shí)世界。這個(gè)工具最終將使開發(fā)人員能夠?qū)⒃敿?xì)的對(duì)象——無(wú)論是小雕像還是大型建筑——導(dǎo)入到虛擬環(huán)境中，用于電子游戲或工業(yè)數(shù)字孿生?！?/p>

在一次演示中，NVIDIA 研究人員展示了該模型如何重建米開朗基羅“大衛(wèi)像”這樣的標(biāo)志性物體以及平板卡車這樣的普通物體。Neuralangelo 還可以重建建筑物的內(nèi)部和外部——以 NVIDIA 灣區(qū)辦公園區(qū)的詳細(xì) 3D 模型為例進(jìn)行了演示。

在 3D 中應(yīng)用神經(jīng)渲染模型

之前用于重建 3D 場(chǎng)景的 AI 模型很難準(zhǔn)確捕捉重復(fù)的紋理、均勻的顏色和強(qiáng)烈的顏色變化。Neuralangelo 采用即時(shí)神經(jīng)圖形基元——即 NVIDIA Instant NeRF 背后的技術(shù)——來(lái)幫助捕捉這些更精細(xì)的細(xì)節(jié)。

使用從不同角度拍攝的物體或場(chǎng)景的 2D 視頻，該模型會(huì)選擇從不同角度捕捉的鏡頭來(lái)確定物體或場(chǎng)景的深度、大小和形狀，就像藝術(shù)家會(huì)從多個(gè)角度描繪一個(gè)物體一樣。

一旦確定了每個(gè)鏡頭的相機(jī)位置，Neuralangelo 的 AI 就會(huì)創(chuàng)建一個(gè)粗略的 3D 場(chǎng)景，相當(dāng)于雕塑家開始雕刻主體的形狀。

然后，該模型對(duì)渲染進(jìn)行優(yōu)化以銳化細(xì)節(jié)，就好像雕塑家辛苦雕琢石頭來(lái)模仿織物或人的紋理。

最終會(huì)生成一個(gè) 3D 物體或大規(guī)模場(chǎng)景，可用于虛擬現(xiàn)實(shí)應(yīng)用、數(shù)字孿生或機(jī)器人開發(fā)。

在 6 月18-22 日舉行的 CVPR 大會(huì)上

探尋 NVIDIA Research 的研究成果

在 6 月 18 日至 22 日于溫哥華舉行的 CVPR 上，NVIDIA Research 將展示近 30 個(gè)項(xiàng)目，其中包括 Neuralangelo。這些論文的主題涵蓋姿態(tài)估計(jì)、3D 重建和視頻生成。

其中一個(gè)名為 DiffCollage 的項(xiàng)目是一種創(chuàng)建大規(guī)模內(nèi)容的擴(kuò)散法，包括長(zhǎng)橫向、360 度全景圖和循環(huán)運(yùn)動(dòng)圖像。當(dāng)輸入一個(gè)具有標(biāo)準(zhǔn)長(zhǎng)寬比的圖像訓(xùn)練數(shù)據(jù)集時(shí)，DiffCollage 將這些較小的圖像視為更大視覺片段的一部分——就像一張張拼貼畫。這使得擴(kuò)散模型能夠生成看上去有凝聚力的大型內(nèi)容，而無(wú)需使用相同比例的圖像進(jìn)行訓(xùn)練。

該技術(shù)還可以將文本提示轉(zhuǎn)換為視頻序列，技術(shù)演示中使用了預(yù)先訓(xùn)練的擴(kuò)散模型來(lái)捕捉人體動(dòng)作：

點(diǎn)擊“閱讀原文”，了解有關(guān) NVIDIA Research 參展 CVPR 的更多信息。