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

Neuralangelo 是 NVIDIA Research 開發(fā)的一個全新 AI 模型，它利用神經(jīng)網(wǎng)絡(luò)進行 3D 重建，可將 2D 視頻片段轉(zhuǎn)換為詳細的 3D 結(jié)構(gòu)，為建筑物、雕塑以及其他真實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)計軟件中，對其進行進一步編輯，用于藝術(shù)、視頻游戲開發(fā)、機器人和工業(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)人士更容易進行 3D 重建，使用智能手機拍攝的視頻快速為項目創(chuàng)建可用的虛擬物體。

NVIDIA Research 高級研究總監(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，能夠幫助他們在數(shù)字世界中重建現(xiàn)實世界。這個工具最終將使開發(fā)人員能夠?qū)⒃敿毜膶ο蟆獰o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 3D 模型為例進行了演示。

在 3D 中應(yīng)用神經(jīng)渲染模型

之前用于重建 3D 場景的 AI 模型很難準確捕捉重復(fù)的紋理、均勻的顏色和強烈的顏色變化。Neuralangelo 采用即時神經(jīng)圖形基元——即 NVIDIA Instant NeRF 背后的技術(shù)——來幫助捕捉這些更精細的細節(jié)。

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

一旦確定了每個鏡頭的相機位置，Neuralangelo 的 AI 就會創(chuàng)建一個粗略的 3D 場景，相當于雕塑家開始雕刻主體的形狀。

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

最終會生成一個 3D 物體或大規(guī)模場景，可用于虛擬現(xiàn)實應(yīng)用、數(shù)字孿生或機器人開發(fā)。

在 6 月18-22 日舉行的 CVPR 大會上

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 個項目，其中包括 Neuralangelo。這些論文的主題涵蓋姿態(tài)估計、3D 重建和視頻生成。

其中一個名為 DiffCollage 的項目是一種創(chuàng)建大規(guī)模內(nèi)容的擴散法，包括長橫向、360 度全景圖和循環(huán)運動圖像。當輸入一個具有標準長寬比的圖像訓練數(shù)據(jù)集時，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。這使得擴散模型能夠生成看上去有凝聚力的大型內(nèi)容，而無需使用相同比例的圖像進行訓練。

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)先訓練的擴散模型來捕捉人體動作：

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