诶?这是《老友记》流出未公开镜头了?还是“子弹时间”特效那种?
只见人物定格的一瞬，机位丝滑运动，一个多角度全方位的厨房出现在了眼前，仿佛我人就站在现场啊。要知道，在正片里其实只有这两幅画面：
没错，又是 AI 在搞“魔法”。在看了《老友记》之后，AI 能直接还原出宛如真实现场的 3D 场景，补足两个切换画面之间人物在不同角度时的姿态。没拍过的角度画面，它都能重建出来。
还能把一个近景镜头，变成大远景。
乍一眼看去，真的很难分辨出生成效果其实是完全捏造的。“以后电视剧补拍镜头都省了?”这就是由 UC 伯克利大学研究人员提出的重建 3D 人物和环境的新方法。
网友看后脑洞大开：
可能不出 10 年，你就能把自己的 VR 形象放到自己喜欢的节目里了。
目前，该方法已被 ECCV 2022 接收。
专门针对电视剧场景重建
研究人员表示，这次提出的新方法就是专门针对电视剧场景的。除了《老友记》外，他们还 3D 重建了《生活大爆炸》等 7 个电视剧的场景。
要知道，使用单个视频来重建 3D 场景的难度其实还很高，但是电视剧中往往是同一场景拍下了多个画面，这为 AI 学习提供了非常丰富的图像资料。
本文方法能够在整季剧集中自动运行，计算出各个镜头的摄像机位置信息、静态三维场景结构和人物身体信息，然后将他们整合计算成一个 3D 场景来。
具体来看，该方法主要分为处理场景信息人物信息两方面。场景上，基于不同画面，该方法通过 SfM(Structure-from-Motion)来估计出拍摄时摄像机的位置。这种方法是指在只有单个摄像机的情况下，通过分析摄像机移动时拍到的场景来确定 3D 场景信息。
然后通过分析摄像机与人物之间的位置关系，以此确定出人物所在的区域，然后将两个不同角度的画面整合分析，进行三角定位，以此确定人物的真正位置。
之后，利用 NeRF 来重建出细致的 3D 场景信息。神经渲染辐射场可以将场景的体积表示优化为向量函数，该函数由位置和视图方向组成的连续 5D 坐标定义。也就是沿着相机射线采样 5D 坐标，以此合成图像。
接下来，就是处理场景中人物信息方面。针对多镜头情况下，在确定好人物所在位置后，使用 NeRF 就能直接重建出人体 3D 信息。
而如果是单镜头情况，就需要利用上下帧画面中人体姿势的变化、摄像机位置和环境结构信息来进行重建。
从实验结果中可以看到，该方法最终可以综合得到的 3D 信息，重新渲染出一个新的画面。
在消融实验中，如果没有确定摄像机、人物的特征信息，最终得到的结果也都不尽如人意。
并且，研究人员还对得到的场景进行了数据分析，包括相机距离、人物位置分布。还提供了编辑选项，可以删除或插入选定对象。
目前，该团队已将代码和论文数据开源。研究团队来自 UC 伯克利大学人工智能研究实验室。作者表示，本文方法在电影、体育节目等领域同样适用。
论文地址：
https://arxiv.org/abs/2207.14279
GitHub 地址：
https://github.com/ethanweber/sitcoms3D
项目主页：
https://ethanweber.me/sitcoms3D/
