誒？這是《老友記》流出未公開鏡頭了？

還是“子彈時間”特效那種？

只見人物定格的一瞬，機位絲滑運動，一個多角度全方位的廚房出現在了眼前，仿佛我人就站在現場啊。

要知道，在正片里其實只有兩幅畫面。

沒錯，又是AI在搞“魔法”。

在看了《老友記》之后，AI能直接還原出宛如真實現場的3D場景，補足兩個切換畫面之間人物在不同角度時的姿態。

沒拍過的角度畫面，它都能重建出來。

還能把一個近景鏡頭，變成大遠景。

乍一眼看去，真的很難分辨出生成效果其實是完全捏造的。

“以后電視劇補拍鏡頭都省了？”

這就是由UC伯克利大學研究人員提出的重建3D人物和環境的新方法。

網友看后腦洞大開：

可能不出10年，你就能把自己的VR形象放到自己喜歡的節目里了。

目前，該方法已被ECCV 2022接收。

研究人員表示，這次提出的新方法就是專門針對電視劇場景的。

除了《老友記》外，他們還3D重建了《生活大爆炸》等7個電視劇的場景。

要知道，使用單個視頻來重建3D場景的難度其實還很高，但是電視劇中往往是同一場景拍下了多個畫面，這為AI學習提供了非常豐富的圖像資料。

本文方法能夠在整季劇集中自動運行，計算出各個鏡頭的攝像機位置信息、靜態三維場景結構和人物身體信息，然后將他們整合計算成一個3D場景來。

具體來看，該方法主要分為處理場景信息人物信息兩方面。

場景上，基于不同畫面，該方法通過SfM（Structure-from-Motion）來估計出拍攝時攝像機的位置。

這種方法是指在只有單個攝像機的情況下，通過分析攝像機移動時拍到的場景來確定3D場景信息。

然后通過分析攝像機與人物之間的位置關系，以此確定出人物所在的區域，然后將兩個不同角度的畫面整合分析，進行三角定位，以此確定人物的真正位置。

之后，利用NeRF來重建出細致的3D場景信息。

神經渲染輻射場可以將場景的體積表示優化為向量函數，該函數由位置和視圖方向組成的連續5D坐標定義。

也就是沿著相機射線采樣5D坐標，以此合成圖像。

接下來，就是處理場景中人物信息方面。

針對多鏡頭情況下，在確定好人物所在位置后，使用NeRF就能直接重建出人體3D信息。

而如果是單鏡頭情況，就需要利用上下幀畫面中人體姿勢的變化、攝像機位置和環境結構信息來進行重建。

從實驗結果中可以看到，該方法最終可以綜合得到的3D信息，重新渲染出一個新的畫面。

在消融實驗中，如果沒有確定攝像機、人物的特征信息，最終得到的結果也都不盡如人意。

并且，研究人員還對得到的場景進行了數據分析，包括相機距離、人物位置分布。

還提供了編輯選項，可以刪除或插入選定對象。

目前，該團隊已將代碼和論文數據開源。

研究團隊來自UC伯克利大學人工智能研究實驗室。

作者表示，本文方法在電影、體育節目等領域同樣適用。

總結

以上是生活随笔為你收集整理的经典高分美剧《老友记》中你没看过的镜头：被AI给补出来了的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。