苹果把NeRF玩出新高度！只需单个10s视频，就能重构人物动作和场景！
点击下方卡片，关注“CVer”公众号
AI/CV重磅干货，第一时间送达
点击进入—> CV 微信技术交流群
羿阁 发自 凹非寺
转载自：量子位（QbitAI）
有了这个发明，以后演员拍戏再也不用抠图了？
答：可以直接一键合成。（手动狗头）
让我们赶紧来看看，这个由苹果最新研发的NeuMan框架：
只需输入一段10s左右的人物视频，就能合成该人物在新场景下做着各种新动作的影像。
前空翻？so easy！
跳舞那也是不在话下。
这妖娆的舞姿，看来NeuMan心里也有一个舞魂～
有网友看完就表示：喔～简直是电影界未来的发展方向。
目前，有关NeuMan的研究论文已被ECCV’22收录，并且已在GitHub上开源。
全新场景渲染
在介绍NeuMan的原理之前，让我们再来欣赏几个酷炫的例子～
如下图所示，左上角是输入的训练视频，左下角是新的背景，右边则是合成后小哥在新背景下跳跃的效果。
不仅是跳跃这种常规操作，广播体操也完全没问题。
更厉害的是，NeuMan还可以将上面例子中的两个人合成到一起。
再加上一个人，立马变成魔性的广场舞视频。
这微笑的小表情，真的很难解释不是本人亲自跳的（手动狗头）。
那么话说回来，这个神奇的NeuMan背后的原理是什么呢？
基于NeRF的新突破
事实上，自从伯克利和谷歌联合打造的NeRF（Neural Radiance Fields神经辐射场）横空出世，各种重建三维场景的研究层出不穷。
NeuMan原理也是基于此，简单来说，就是用单个视频训练一个人物NeRF模型和一个场景NeRF模型，然后再合成在一起生成新的场景。
首先，在训练场景NeRF模型时，我们先从输入的视频中提取相机姿态、稀疏场景模型和多视角-立体深度图。
对于原视频中被人体遮挡的部分，则使用Mask R-CNN进行图像实体分割，将人体掩模膨胀4倍，以确保人体被完全遮蔽。此时，就能做到仅在背景上训练场景NeRF模型。
至于人体NeRF模型训练，研究人员引入了一种端到端的SMPL优化（end-to-end SMPL optimization）和纠错神经网络（error-correction network）。
SMPL（Skinned Multi-Person Linear Model）是一种基于顶点的人体三维模型，能够精确地表示人体的不同形状和姿态。
如下图所示，使用端到端的SMPL优化的人体模型，能够更好地表现人体的典型体积。
纠错神经网络则是用来弥补SMPL模型无法表达的细节。值得一提的是，它只在训练过程中使用，在进行全新场景渲染时会被放弃，以免造成过度拟合。
接下来，在两个模型对齐的阶段，研究人员先使用COLMAP解决任意尺度下的对齐问题。然后通过假设人类始终与地面有至少一个接触点，来进一步估计该场景的比例。
最后，再应用SMPL网格和场景的点云叠加，就形成了新图像的渲染效果。
最终成品显示，该场景NeRF模型方面模型能够有效地去除场景中的人类，并在有限的场景覆盖下生成高质量的新背景渲染图像。
人物NeRF模型方面也能很好的捕捉人体的细节，包括袖子、衣领甚至衣服拉链，甚至在渲染新动作时，能执行难度极大的侧翻动作。
值得一提的是，不同于现行的其他NeRF模型对训练视频要求很高，比如需要多个机位拍摄、曝光要保持不变、背景要干净等等，NeuMan的最大亮点是仅通过用户随意上传的单个视频就能达到同款效果。
并且，在分别输入六组不同的视频后，数据显示，与此前方法相比，NeuMan的方法生成的视频渲染质量最佳。
不过，研究团队也承认，NeuMan的设计目前还存在一些缺陷。
例如，由于人在活动时手势的变化细微又多变，因此生成视频中对手部细节的把握还不是很准确。
另外，在NeRF模型渲染时，由于系统假设人类始终与地面有至少一个接触点，因此NeuMan不能适用于人与地面接触为零的视频，比如人做后空翻的视频。
要想解决这个问题，需要更智能的几何推理知识，这也是未来研究的一个发展方向。
研究团队
这项研究由苹果机器学习研究中心和英属哥伦比亚大学合作完成。
第一作者Wei Jiang，是英属哥伦比亚大学计算机科学专业的一名四年级博士生，目前在苹果机器学习研究中心实习。
主要研究方向是新视角合成、视觉定位和三维视觉。
他还是英属哥伦比亚大学计算机视觉实验室的一员，导师是Kwang Moo Yi 教授。
硕士毕业于波士顿大学计算机科学专业，本科毕业于浙江工业大学软件工程专业。
参考链接：
[1]https://twitter.com/anuragranj/status/1559606408789708800
[2]https://arxiv.org/abs/2203.12575
[3]https://machinelearning.apple.com/research/neural-human-radiance-field
[4]https://github.com/apple/ml-neuman
[5]https://jiangwei221.github.io/
点击进入—> CV 微信技术交流群
CVPR 2022论文和代码下载
后台回复：CVPR2022，即可下载CVPR 2022论文和代码开源的论文合集
后台回复：Transformer综述，即可下载最新的3篇Transformer综述PDF
目标检测和Transformer交流群成立
扫描下方二维码，或者添加微信：CVer6666，即可添加CVer小助手微信，便可申请加入CVer-目标检测或者Transformer 微信交流群。另外其他垂直方向已涵盖：目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、PyTorch、TensorFlow和Transformer等。
一定要备注：研究方向+地点+学校/公司+昵称（如目标检测或者Transformer+上海+上交+卡卡），根据格式备注，可更快被通过且邀请进群
▲扫码或加微信: CVer6666，进交流群
CVer学术交流群（知识星球）来了！想要了解最新最快最好的CV/DL/ML论文速递、优质开源项目、学习教程和实战训练等资料，欢迎扫描下方二维码，加入CVer学术交流群，已汇集数千人！
▲扫码进群
▲点击上方卡片，关注CVer公众号
整理不易，请点赞和在看