本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。

眾所周知，貓是一種液體。

這也給CVer帶來了極大的煩惱：如何從2D視頻中準(zhǔn)確地對一只貓進(jìn)行3D重建？

在很多情況下，3D重建模型得到的真是一灘液體。

而最近Meta團(tuán)隊(duì)提出的BANMo（Builder of Animatable 3D Neural Models），實(shí)現(xiàn)了對貓精確的3D重建。

這種方法既不需要專門的傳感器，也不需要預(yù)定義的模板形狀，甚至只用你平時給貓咪拍攝的休閑小視頻，就可以做3D重建。

這篇關(guān)于BANMo的論文最近被CVPR 2022接收，作者已經(jīng)將相關(guān)代碼開源。

原理

從單目視頻中重建自由移動的非剛性物體（例如貓），是一項(xiàng)高度約束不足的任務(wù)，會面臨三大挑戰(zhàn)：

如何在規(guī)范空間中表示目標(biāo)模型的3D外觀和變形；

如何找到規(guī)范空間與每幀之間的映射關(guān)系；

如何找到圖像中視角、光線變化、目標(biāo)變形之間的2D對應(yīng)關(guān)系。

之前像NRSfM、NeRF等方法，要么是無法精確重建表面，要么對拍攝視角與物體的剛性有要求。

針對這些問題，BANMo使用神經(jīng)混合皮膚，提供了一種限制目標(biāo)物體變形空間的方法。

BANMo可以實(shí)現(xiàn)高保真3D幾何重建。與動態(tài)NeRF方法相比，BANMo中使用神經(jīng)混合皮膚可以更好地處理相機(jī)參數(shù)未知情況下的姿勢變化和變形。

總的來說，BANMo的關(guān)鍵在于合并了三種技術(shù)：

（1）利用鉸接骨架和混合皮膚的經(jīng)典可變形形狀模型；

（2）適合基于梯度優(yōu)化的神經(jīng)輻射場NeRF；

（3）在像素和鉸接模型之間產(chǎn)生對應(yīng)關(guān)系的規(guī)范嵌入。

大致方法如下圖所示：

根據(jù)可微分的卷渲染框架(3.1)優(yōu)化一組形狀和變形參數(shù)，用像素顏色、輪廓、光流和高階特征描述詞來描述視頻觀測結(jié)果。

使用神經(jīng)混合皮膚模型(3.2)在相機(jī)空間和規(guī)范空間之間轉(zhuǎn)換3D點(diǎn)。

聯(lián)合優(yōu)化隱式規(guī)范嵌入(3.3)，在視頻中注冊像素。

從整體架構(gòu)上來看，BANMo分為三塊：

1、形狀和外觀模型

這部分用多層感知器（MLP）網(wǎng)絡(luò)預(yù)測顏色、密度等屬性，并學(xué)習(xí)相機(jī)視角變換和處理大變形。

2、神經(jīng)混合皮膚變形模型

這是基于近似關(guān)節(jié)身體運(yùn)動的神經(jīng)混合皮膚模型，將物體的扭曲作為剛體變換的組合，每個變換都是可微和可逆的。

3、規(guī)范嵌入像素注冊

嵌入對規(guī)范空間中3D點(diǎn)的語義信息進(jìn)行編碼，在這里作者優(yōu)化了一個隱式函數(shù)，從與2D DensePose CSE嵌入相匹配的3D規(guī)范點(diǎn)生成規(guī)范嵌入。

在真實(shí)和合成數(shù)據(jù)集上，BANMo在重建穿衣服的人類和動物方面表現(xiàn)出強(qiáng)大的性能。

作者簡介

這篇第一作者是楊庚山，畢業(yè)于西安交通大學(xué)，現(xiàn)在在CMU攻讀博士學(xué)位，研究動態(tài)結(jié)構(gòu)的3D重建算法。

BANMo這篇論文是他在Meta實(shí)習(xí)期間完成。

從2019年至今，他共有4篇一作論文被NeurIPS接收、4篇一作論文被CVPR接收。