北京
每天分享科技熱點！
今日，蘋果發(fā)布名為《Sharp Monocular View Synthesis in Less Than a Second》的論文，詳細介紹了其最新研發(fā)的SHARP模型的訓(xùn)練方法與技術(shù)原理。
該模型采用創(chuàng)新的3D高斯?jié)姙R技術(shù)，通過在空間中疊加大量3D高斯分布點替代傳統(tǒng)網(wǎng)格或神經(jīng)場，實現(xiàn)快速生成高真實感的3D影像效果。
與傳統(tǒng)方案需數(shù)分鐘甚至數(shù)小時的處理時間不同，SHARP的合成速度實現(xiàn)了三個數(shù)量級的提升，可提供近乎即時的3D轉(zhuǎn)換體驗。
其訓(xùn)練過程結(jié)合海量合成數(shù)據(jù)與真實世界數(shù)據(jù)，使模型掌握了通用的深度與幾何規(guī)律，面對全新照片時，僅需通過神經(jīng)網(wǎng)絡(luò)的單次前饋傳遞，即可直接預(yù)測出數(shù)百萬個3D高斯的位置與外觀參數(shù)，瞬間完成3D場景重建。
在基準(zhǔn)測試中，SHARP表現(xiàn)優(yōu)異——LPIPS指標(biāo)降至34%（較其他方案降低25%），DISTS指標(biāo)則減少21個百分點至43%，顯示出其在感知影像相似度與紋理相似度上的顯著優(yōu)勢。
不過，該模型仍存在一定局限性：為平衡真實性與速度，其重建主要聚焦于拍攝視角附近的3D視圖，無法憑空填補照片中被完全遮擋或未拍攝到的區(qū)域，因此當(dāng)前生成的3D場景視角移動范圍仍限定在原拍攝位置鄰近區(qū)域。
目前，蘋果已將SHARP的完整代碼及相關(guān)資源公開至GitHub平臺，全球開發(fā)者均可下載測試。
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺“網(wǎng)易號”用戶上傳并發(fā)布，本平臺僅提供信息存儲服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
