苹果把NeRF玩出新高度：用单个10s视频，就能重构人物动作和场景

羿阁 发自 凹非寺

量子位 | 公众号 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。

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/