手机1秒生成3D全息图,MIT团队新作
本文经AI新媒体量子位(公众号ID:QbitAI)授权转载,转载请联系出处。 一张图片的焦距,能在老鼠玩具和日历尺之间自由切换: 甚至能完成图片上任一物体的对焦,呈现出不同物体在不同深度时的照片: 这张具有神奇手机魔力的图片,就是集成了“全部物体信息”的ȫϢͼ。 生成这类全息图,往往需要大量计算才能完成。 然而,来自MIT的团队开发了一种新算法,不需要复杂仪器、也不需要等几个小时,生成这样一张全息图,只需要在智能手机上耗费不1秒到1秒的时间。 要知道,就在去年11月份,三星的科学家们生成3D全息视频所用的处理器,尺寸还是太大,没能整合到手机上: 那么,这种快速生成3D全息图的方法,究竟是怎么做到的? 用神经网络快速“切蛋糕” 首先,全息图是什生成么? 举个例子,visa信用卡上的鸽子,就利用了全息图来做防伪标志。 全息图即“全部的信息”,这种图片包含物体的幅度和相位信息。 普通照相机,拍摄出来的照片只包含物体的幅度信息(亮暗),相位信息(远近)却无法直接保存。 这3D也是为什么,我们平时看见的2D照片“没有立体感”。 此前,计算机要想360°全方位生成全息图,通常得从多个角度进行干涉、衍射,再将相位信息拼合起来,与振幅信息叠加后生成图片。 多角度生成相位信息,就像是在一个球形蛋糕上全息精准地切割8刀,将之分成8块,对每块进行相位重现: 然而,这种方法所需要的计算量往往巨大,耗时很久,完全无法在智能手机上运行。 因此,MIT团队思考,能不能采用深度学习的方法,只通过3个角度,就把“蛋糕”分成8块,来生图,成全息图? 他们精挑细选出了4000张包含幅度、相位信息的图像,以及这些图像对应的3D全息图,用来训练神经网络。 整体思路大致如下:获取物体的相位信息后,生成点云,再结合残差神经网络,生成整体的全息图。 那么,这MI种全息图的效果如何呢? 可对焦任意物体,内存占用不到1MB 事实证明,利用神经网络进行预测,只需要不到640KB的内存就能生成全息图。 如果在消费级GPU上,这种神经网络模型,每秒能生成60张分辨率为1080pT团的彩色3D全息图。 而在智能手机如iPhone 11 Pro上,每秒能生成1.1张全息图;至于Google Edge TPU上,每秒则能生成2张全息图。 以动画角色大雄兔(Big Buck Bunny)为例,右下角是它的深度图队新。 从图中可见,利用神经网络(右)生成的全息图像,几乎和用原有方法(左)生成的全息图像一模一样。 而且,无论是远处的小黄花,还是近处的兔子眼睛,都能完美对焦。 表面上看起来是一样的话,具体到幅度和相位信息上如何呢? 从图手机中可见,利用神经网络预测的幅度和相位信息,也与真实值非常接近。 即使是现实中的照片,也与实际生成目标非常接近了。 当然,从细节来看的话,还是略微有一点差距。 相比于现有的VR和AR方案,3D全息图是3D可视化的另1秒一个实现方案。 但在使用VR的时候,用户实际上是盯着2D显示屏,产生3D错觉,因此可能会产生视觉疲劳、头晕等症状。 而3D全息图则允许眼睛调整焦距,即交替地对前景和背景进行聚焦,能有效缓解这种症状。 下一步,团队计划添加生成眼球追踪技术,让用户的眼睛看向哪里,哪里就生成部分高清全息图。 在这种方案下,计算机只需要部分生成全息图,实时运用下,效果也能更快更好。 以及,索尼赞助了这项研究,所以…… 作者介绍 论文一作史亮,2014年毕业于北3D航,硕士毕业于斯坦福,目前于MIT就读博士,研究方向包括VR/AR,以及机器学习和计算机图形学。 论文二作李北辰,2018年毕业于清华大学,目前于MIT就读博士,研究方向是机器学习在计算机图形学中的应用。 论文地址全息:
https://www.nature.com/articles/s41586-020-03152-0.pdf
- 最近发表
- 随机阅读
-
- 杨树蘑菇能吃吗
- 标签: 天能股份 锂电池 储能 氢燃料电池
- 标签: 美光科技 小米集团 三体公司 许垚
- 标签: 文石BOOX 港交所上市 招股书 AI读写终端
- 利用AI识别城市建筑物特征,预测其面对地震等灾难时的风险
- 云计算开发:Python内置函数-abs() 函数详解
- IDC:2020上半年中国工业云市场规模达16.0亿美元
- 通义千问开源Qwen2.5大模型,性能超越Llama
- 标签: Anthropic Claude 迈克·克里格 AI聊天机器人
- Sesame完成B轮2.5亿美元融资,革命性AI语音引百万用户尝鲜,测试版应用同步上线
- 标签: TikTok 周受资 美国数据安全合资公司 Adam Presser
- 蛐螋虫咬人吗有毒吗
- 云计算核心技术Docker教程:Docker Hub查看存储库标签
- 标签: 苹果 iPhone OpenAI 乔尼·艾维
- 面向未来的AI自动化测试工具 译文
- 羊毛地毯如何清洗
- 标签: 法雷奥 Elevate 2028 BESS 软件定义汽车
- 标签: 英伟达 OpenClaw 黄仁勋 Vera Rubin
- 标签: B站 游戏业务 广告收入 月均付费用户
- 如何看待Serverless数据库之争?
- 搜索
-
- 友情链接