16 世纪的米开朗基罗重生了！英伟达团队提出 Neuralangelo，从 2D 视频重建 3D 大规模场景，将 5.5 米大卫雕像完美复刻。
今天，英伟达再造了 16 世纪的米开朗基罗「Neuralangelo」。
快看，Neuralangelo「复刻」出 3D 版的著名雕像大卫，大理石的细节、纹理栩栩如生。
要知道，收藏在佛罗伦萨美术学院的大卫雕像，仅身高 3.96 米，加上基座都有 5.5 米。
它甚至可以重建一栋建筑物的内外部结构，屋顶瓦片、玻璃窗格、还有各种细节都一一再现。
来自英伟达和约翰霍普金斯大学的研究人员提出的新型 AI 模型，利用神经网络重建 3D 物体。
最新研究已被 CVPR 2023 录用。
特别是，Neuralangelo 可以从手机视频，无人机拍摄的视频重建「高保真的大规模场景」。
那岂不是未来，就能轻易地把一座城市、甚至外太空的视频，变成一个沉浸式的世界，再装进游戏去体验。
网友惊呼，英伟达黑了「矩阵」世界！
甚至，还有人称，苹果 XR 技术，再加上 Neuralangelo，就能创造「new worlds」了。
效果演示
重建 3D 场景
以前的 AI 模型在重建 3D 场景时，往往难以准确捕捉到重复的纹理模式、均匀的颜色以及强烈的色彩变化。
为此，团队提出了一个将多分辨率 3D 哈希网格的表征能力和神经表面渲染相结合的全新方法 ——Neuralangelo。
去年，英伟达研究人员曾创造了一种新工具 3D MoMa，将照片变成 3D 物体易如反掌。
NeuralAngelo 建立在这一概念的基础上，允许导入更大、更详细的空间和对象。而它特别之处在于，可以准确捕捉重复的纹理模式、同质的颜色和强烈的颜色变化。
通过采用「即时神经图形基元」，也就是 NVIDIA Instant NeRF 技术的核心，Neuralangelo 由此可以捕捉更细微的细节。
团队的方法依赖于 2 个关键要素：
（1）用于计算高阶导数作为平滑操作的数值梯度；
（2）在控制不同细节级别的哈希网格上进行由粗到细的优化。
即使没有辅助深度，Neuralangelo 也能有效地从多视图图像中恢复密集 3D 表面结构，其保真度显著超过了以往的方法，使得能够从 RGB 视频捕捉中重建详细的大规模场景。
构建 NeuralAngelo
NeuralAngelo 模型是在多分辨率哈希编码，以及基于 SDF 的体积渲染上进行构建。
第一步：使用数值梯度来计算高阶导数
通过使用与哈希网格空间分辨率匹配的步长的数值梯度，可以优化超越局部单元。与解析梯度相比，数值梯度对 SDF 起到了平滑操作的作用。
第二步：逐步细化细节层次
通过逐步减小数值梯度的步长，并启用更高分辨率的哈希网格，优化的效果可以更好地恢复大面积的光滑表面和精细的几何细节。这种学习过程能够逐步提高细节的层次感。
第三步：优化
NeuralAngelo 使用三个优化目标：
RGB 合成损失
输入图像和合成图像之间的 RGB 重建损失。
Eikonal 损失
对底层 SDF 进行正则化处理，使其表面法线为单位正则。
曲率损失
对底层 SDF 进行正则化处理，使平均曲率不会任意变大。
「神经朗基罗」构建好了，那么它又是如何运作的呢？
可以说，Neuralangelo 还原了米开朗基罗刻画大卫的整个过程：
・首先，模型会从 2D 视频中选择几帧从不同角度拍摄的物体 / 场景的画面，并由此「看到」其深度、大小和形状。这个过程就像雕塑艺术家一开始会从多个角度构图那样。
・然后，模型会创建一个粗糙的 3D 场景表征，就像艺术家开始凿刻主体的形状。
・最后，模型会优化渲染以提高细节的清晰度，就像艺术家通过精心地修饰来模仿织物或人形的纹理。
在 DPU 基准定性比较中，Neuralangelo 产生更准确和更高保真度的表面。
如下是 Neuralangelo 在 DTU 数据集中的定量结果，模型获得了很好的重建精度和图像合成质量。
在不同的从粗糙到精细优化方案定性比较中，当使用分析梯度 AG 和 AG+P，物体粗糙表面还有伪影。
当使用数字梯度（NG）时，能够重建一个比较好的粗糙表面，细节也被平滑。
而英伟达的解决方案（NG+P）能够生成光滑的表面，以及精细的细节。
最终的结果是一个可以在虚拟现实应用、数字孪生或机器人开发中使用的 3D 物体或大规模场景。
英伟达表示，Neuralangelo 将复杂材料的纹理，包括屋顶瓦片的粗糙度、大理石的光滑度，从 2D 视频转化为 3D 物体的能力，显著超越了以往的方法。
英伟达研究部高级主任、论文作者 Ming-Yu Liu 对这项研究的意义给出了畅想：
「Neuralangelo 提供的 3D 重建能力将给创作者带来巨大好处，帮助他们在数字世界中重建真实世界。这个工具最终将使开发人员能够将精细的物体 —— 不论是小型雕像，还是大型建筑 —— 导入视频游戏或工业数字孪生的虚拟环境中。
创意的专业人士可以将这些 3D 对象导入到设计应用中，进一步编辑，以供艺术、电子游戏开发、机器人技术和工业数字孪生等领域使用。
作者介绍
Zhaoshuo Li（李赵硕）
李赵硕目前还是约翰霍普金斯大学的计算机科学博士生，导师是 Mathias Unberath 教授、Russell H Taylor 教授。
他对计算机视觉、计算机图形学、深度学习有浓厚的兴趣，研究重点是从图像中重现运动和结构。
另外，他还有非常多的爱好，是摄像师、心理健康促进者、宠物狗的爱好者、还是冲浪者、跳伞者、滑雪板运动员…
Chen-Hsuan Lin
Chen-Hsuan Lin 是 NVIDIA Research 的一名研究科学家，从事计算机视觉、计算机图形学和人工智能方面的工作。
他在卡内基梅隆大学获得了机器人学博士学位，并获得英伟达研究生奖学金。此前，他还在 Facebook AI Research 和 Adobe Research 实习。
Lin 对解决 3D 重建、视图合成和 3D 内容生产的问题非常感兴趣。其研究旨在通过从互联网规模的视觉数据中学习，赋予人工智能系统人类水平的 3D 感知和想象能力，向真正的 3D 空间智能迈进。
网友热评
英伟达科学家 Jim Fan 表示，
为了让你了解 3D 建模的人工智能发展速度：该领域在 3 年内从左边（原始的 NeRF 重建的网格）到右边（英伟达的 Neuralangelo）。
将现实传送到高保真模拟中不再是一个梦想。
新的 Neuralangelo 模型简直是一个野兽，英伟达决定淘汰我们，R.I.P.摄影测量软件。
简直就像数字世界的「米开朗基罗」。
还有网友表示想知道，用它的成本是多少？
我们可以在工厂使用无人机，然后将视频发送到这个模型，做一个数字孪生，并使用它来优化我们的流程。
对于这项技术的意义，网友认为这对游戏行业来说影响将是巨大的。
参考资料：
https://blogs.nvidia.com/blog/2023/06/01/neuralangelo-ai-research-3d-reconstruction/
本文来自微信公众号：新智元 （ID：AI_era）
本文由LinkNemo爬虫[Echo]采集自[https://www.ithome.com/0/697/360.htm]
