本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。

2D變3D，還不用建模，今年谷歌用NeRF做到了以假亂真的程度：

[[360440]]

感覺就像是視頻里截出來的是不是？神經(jīng)網(wǎng)絡(luò)只需要幾張靜態(tài)照片就能生成這樣的結(jié)果。

但，總感覺離真實的場景還差點什么？

沒錯，缺的就是光影變換效果，NeRF只高度還原了空間，沒有給人時間上的直觀感受：

上面的結(jié)果，同樣是用幾張2D照片作為輸入，但有實時光影效果的生成結(jié)果，更加逼真生動，讓人有些“斗轉(zhuǎn)星移”的錯覺。

這項讓2D照片變“4D”的研究，是谷歌團隊聯(lián)合MIT、UC伯克利對之前的NeRF做出的重要改進(jìn)，稱為NeRV，即用于照明渲染和視圖合成的神經(jīng)反射場和可見光場。

下面我們嘗試用最簡潔易懂的方式介紹NeRV，除了最關(guān)鍵重要的推導(dǎo)，盡量少做數(shù)學(xué)推理，讓你一文看懂。

谷歌“升維”打擊

光影變幻給了我們對于場景直觀的時間感受，而研究團隊實現(xiàn)這個效果的方法，就是在原先的NeRF上，添加了光模擬過程。

在NeRF中，沒有將場景建模為吸收和發(fā)射光的連續(xù)的3D粒子場，而是將場景表示為吸收和反射外部光源定向粒子3D場。

這樣的模型模擬光傳輸是低效的，并且無法擴展到全局照明的場景。

研究人員引入神經(jīng)能見度場參數(shù)來彌補這一點，它允許有效查詢模擬光傳輸所需的光線和像素點之間的能見度。

具體來說，NeRV網(wǎng)絡(luò)還原4D效果有3步，分別對應(yīng)著3D場景生成、光影效果模擬、渲染。

神經(jīng)反射場

NeRF并沒有將入射光線的效果與表面的材料屬性分開。

這意味著NeRF只能在輸入圖像中呈現(xiàn)的固定光照條件下呈現(xiàn)場景的視圖。

修改NeRF以實現(xiàn)動態(tài)光照是很直接的：將場景表示為反射入射光的粒子場。

給定一個任意的光照條件，就可以用一個標(biāo)準(zhǔn)的體積渲染積分來模擬光在粒子反射時在場景中的傳輸：

其中，方程（1）中的視圖相關(guān)發(fā)射項Le(x, ωo)被替換為物體表面S上，光射入方向的積分，即來自任何方向的進(jìn)光輻射度Li和反射函數(shù) R的乘積，它描述了從某一個方向ωi入射的光有多少被反射到方向ωo。

神經(jīng)可視場的光傳輸

雖然修改NeRF實現(xiàn)一定程度的光照效果是很直接的，但對于像NeRF這樣的連續(xù)體積表示法，一般照明場景的體積渲染積分，在計算上是有難度的。

上圖直觀地展示了模擬光照場景的縮放特性，這使得模擬體積光傳輸特別困難。

即使只考慮從光源到場景點的直接照明，對于超過單點光源的情況下，暴力計算的方案也很吃力，因為它需要沿著從每個場景點到每個光源的路徑，反復(fù)查詢形狀MLP的體積密度。

暴力采樣渲染一束間接照明下的單條光線將需要一個petaflop的計算量，而訓(xùn)練過程中渲染大約十億條光線。

所以團隊通過用學(xué)習(xí)的近似值替換幾個體積密度積分來改善這個問題：引入一個 “能見度 “多層神經(jīng)網(wǎng)絡(luò)，它可以對任意輸入方向的照明能見度給出近似值，以及相應(yīng)光線的預(yù)期終止深度的近似值。

這種方法，大大降低將直接照明和間接照明的計算復(fù)雜度，使得在優(yōu)化連續(xù)照明場景表示的訓(xùn)練循環(huán)中，可以同時模擬直接照明和其反彈的間接照明。

渲染

假設(shè)現(xiàn)在有一條通過NeRV的相機射線x(t)=c tωo，使用以下過程來渲染：

1) 沿射線繪制256個分層樣本，并查詢每個點的體積密度、表面法線和BRDF（雙向反射分布函數(shù)）參數(shù)的形狀和反射神經(jīng)網(wǎng)絡(luò)。

2）沿射線對每個點進(jìn)行直接照明的遮擋。

3) 用間接照明對射線沿線的每個點進(jìn)行遮擋。

4) 沿著攝影機光線的每個點的總反射輻射度 Lr(x(t), ωo)是步驟 2 和步驟 3 的數(shù)量之和。將這些沿射線復(fù)合起來，用同樣的正交規(guī)則計算像素顏色。

通俗的說，就是對一條入射光線在整個場景所有像素點上的反射情況分別計算，然后整合起來。

測試結(jié)果

在最后的測試結(jié)果上，NeRV的表現(xiàn)遠(yuǎn)遠(yuǎn)超過了NeRF和NLT：

團隊分別在不同的數(shù)據(jù)集上訓(xùn)練模型，然后對雕像、推土機、熱狗三個圖像進(jìn)行還原。

從結(jié)果中可以看出，峰值信噪比（PSNR）、MS-SSIM（多尺度結(jié)構(gòu)比）損失函數(shù)這兩個指標(biāo)，普遍優(yōu)于之前的方法。

對于個人視頻制作者、游戲開發(fā)人員，以及缺乏3D建模經(jīng)驗的動畫公司來說，這類技術(shù)的成熟，可謂“福音”。

通過AI技術(shù)，讓3D效果的實現(xiàn)進(jìn)一步簡化，這也是Facebook、Adobe及微軟等公司紛紛投入這方面研究的原因所在。

最后，研究人員透露，這個算法即將開源，直接把項目主頁給你，先馬后看：

https://people.eecs.berkeley.edu/~pratul/nerv/

這是最近最酷的3D圖片方面的突破了。