英偉達(dá)虛擬AI再現(xiàn)“名場(chǎng)面”，“卷”進(jìn)元宇宙了！

爵士樂的精髓在于即興演奏，英偉達(dá)正在通過AI研究向這一流派致敬。也許有一天，圖形創(chuàng)作者可以使用快速創(chuàng)建出的 3D 物體，來一場(chǎng)即興表演。

本周在新奧爾良舉行的計(jì)算機(jī)視覺和模式識(shí)別會(huì)議CVPR上，英偉達(dá)的可逆渲染流程NVIDIA 3D MoMa驚艷亮相。通過NVIDIA 3D MoMa渲染流水線，結(jié)合GPU加速，可以使用現(xiàn)代AI機(jī)器和GPU的原始算力快速生成3D物體，創(chuàng)作者可以在現(xiàn)有工具中自由地導(dǎo)入、編輯和擴(kuò)展這些物體。

為了展示NVIDIA 3D MoMa的功能，英偉達(dá)的研究和創(chuàng)意團(tuán)隊(duì)從不同角度收集了約100張小號(hào)、長(zhǎng)號(hào)、薩克斯、架子鼓和單簧管這五種爵士樂器的圖片。

他們首先將2D圖像重建為3D，并以網(wǎng)格形式呈現(xiàn)。然后將這些樂器從原始場(chǎng)景中取出，導(dǎo)入NVIDIA Omniverse 3D模擬平臺(tái)進(jìn)行編輯。

在任何傳統(tǒng)圖形引擎中，創(chuàng)作者都可以輕松為形狀調(diào)換由NVIDIA 3D MoMa生成的材質(zhì)，就像給網(wǎng)格穿上不同的衣服一樣。例如該團(tuán)隊(duì)對(duì)小號(hào)模型采取了這種做法，將原來的塑料材質(zhì)快速更換成黃金、大理石、木材或軟木。

然后，創(chuàng)作者可以將新編輯的物體放入任何虛擬場(chǎng)景中。英偉達(dá)團(tuán)隊(duì)將這些樂器放入了經(jīng)典的圖形渲染質(zhì)量測(cè)試康奈爾盒中。他們證明了虛擬樂器對(duì)光線的反應(yīng)與在物理世界中完全一樣：閃亮的銅管樂器反射出亮光，啞光的鼓皮則會(huì)吸收光線。

這些通過逆渲染生成的新物體可以作為復(fù)雜動(dòng)畫場(chǎng)景的構(gòu)成要素。在爵士樂及其發(fā)源地新奧爾良，英偉達(dá)運(yùn)用這些技術(shù)展示了AI和藝術(shù)的完美融合。

如何基于2D圖像創(chuàng)建3D物體？

逆渲染是將靜態(tài)照片重建為3D物體或場(chǎng)景模型的技術(shù)，也一直是統(tǒng)一計(jì)算機(jī)視覺和計(jì)算機(jī)圖形學(xué)的關(guān)鍵。通過NVIDIA 3D MoMa渲染流水線，可以將逆渲染問題的每個(gè)部分表示為GPU加速的可微分組件，然后使用現(xiàn)代AI機(jī)器和英偉達(dá)GPU的原始算力快速生成3D物體，創(chuàng)作者可以在現(xiàn)有工具中自由地導(dǎo)入、編輯和擴(kuò)展這些物體。

為了使藝術(shù)家或工程師能夠充分利用 3D物體，其形式應(yīng)能夠?qū)胗螒蛞妗?D建模器和電影渲染器等各種被廣泛使用的工具。帶有紋理、材質(zhì)的三角網(wǎng)格形式，就是此類3D工具使用的通用語言。

三角網(wǎng)格是用于定義3D圖形和建模形狀的基本框架

其實(shí)這也不是英偉達(dá)第一次實(shí)現(xiàn)這樣的突破。在去年的CVPR 大會(huì)上，英偉達(dá)就針對(duì)當(dāng)前人們?cè)埔曨l會(huì)議中的痛點(diǎn)演示了2D轉(zhuǎn)3D的“神技”。

可能你也有過這樣的尷尬時(shí)刻，視頻會(huì)議馬上開始，但是自己頭發(fā)凌亂、還穿著睡衣，不敢以真面目示人……英偉達(dá)開發(fā)了一系列用于視頻會(huì)議的深度學(xué)習(xí)模型，可以借助生成式對(duì)抗網(wǎng)絡(luò) ( GAN ) ，僅用一張人物2D圖像即可合成逼真的人臉說話視頻。也就是說，只需要上傳一張正裝工作照，你就可以不洗臉不洗頭，但是同事看到的你卻是得體的工作形象?？梢哉f真的是懶人剛需了。

下圖中，有一個(gè)人就是躲在視頻背后的那個(gè)“懶人”，你能分辨出來嗎？

英偉達(dá)去年還發(fā)布了遷移學(xué)習(xí)工具包（TLT）3.0，包括各種高精度和高性能計(jì)算機(jī)視覺和對(duì)話式AI預(yù)訓(xùn)練模型，以及一套強(qiáng)大的生產(chǎn)級(jí)功能，可將AI開發(fā)能力提升10倍。

此外還有Omniverse這款專注于實(shí)時(shí)仿真、數(shù)字協(xié)作的云平臺(tái)，擁有高度逼真的物理模擬引擎以及高性能渲染能力。通過Omniverse，工程師和軟件程序員可以模擬出新的軟件，然后逐步應(yīng)用到實(shí)際中。

寫在最后

動(dòng)態(tài)場(chǎng)景處理是計(jì)算機(jī)視覺當(dāng)前的重要研究方向。不論是虛擬爵士樂演奏，還是其他任意2D轉(zhuǎn)3D的動(dòng)態(tài)呈現(xiàn)，背后都離不開英偉達(dá)強(qiáng)大的GPU算力、專注于實(shí)時(shí)仿真、數(shù)字協(xié)作的Omniverse云平臺(tái)、還有海量的模型構(gòu)建、豐富的SDK工具包等支撐。

這場(chǎng)“卷到”元宇宙里的演奏會(huì)，相信只是小試牛刀。畢竟在英偉達(dá)通過AI系統(tǒng)所創(chuàng)建的數(shù)字孿生虛擬世界構(gòu)想中，構(gòu)建出一個(gè)數(shù)字孿生的地球也是有可能的，希望這些藍(lán)圖的實(shí)現(xiàn)，能夠真正解決許多需要通過大規(guī)模虛擬才能解決的“疑難雜癥”。