久久撸视频,爱干视频,男女污污污,亚洲视频欧洲视频,丁香五月激情啪啪啪,欧美综合区,草逼毛片,日本东京热综合久久

大數(shù)據(jù)文摘出品

作者：劉俊寰

11月23日，《牛津英文詞典》宣布選擇放棄“2020年度詞匯”的評選，將2020年形容為“無法用一個單詞妥帖概括的一年”。

每年，“年度詞匯”的評選，《牛津英文詞典》會根據(jù)英文新聞等超過110億個英文單詞組成的語料庫分析總結(jié)，希望能“反映本年度的風(fēng)氣、民眾心情和關(guān)注焦點”，同時最終被選擇的“年度詞匯”還需要“具有文化意義的持久潛力”。

比如，2013年的“年度詞匯”之一Selfie（自拍）。

? ? ? ?

? ? ? ?

根據(jù)統(tǒng)計，較之于前一年，2013年社交網(wǎng)站上“selfie”一詞的使用率激增17000%。

如今，7年過去了，不知道大家的自拍技術(shù)都有怎樣的突飛猛進呢？反正文摘菌可手握大家的老婆新垣結(jié)衣的自拍黑照呢。

? ? ? ?

不知道大家有沒有想過，7年了，無人駕駛都開始在各地測試了，iPhone都出到12了，為什么自拍的方式一直沒有變過呢？

這個問題也一直困擾著華盛頓大學(xué)和谷歌的研究人員們，近日，他們終于推出了一種全新的自拍方式，保證讓你發(fā)在朋友圈的圖像更加生動和仿真。

先來看看他們定義的“自拍的未來”到底是個什么東西：

? ? ? ? ? ? ?

? ? ? ?? ? ??

雖然看上去確實比單純的圖像本身要更擬人一些，三維模型也讓周圍的環(huán)境都顯露無疑，但是這晃來晃去的，文摘菌的眼睛都快給晃暈了。

? ? ?

nerfies鼓勵人們分享更多

看看自己的微信，相信很多人的朋友圈都是自拍，簡直就是“不自拍就會會死星人”。

2016年5月，The Outnet和輿情監(jiān)測平臺Pulsar對Facebook、Instagram、Twitter上發(fā)布的與“愉悅感”“興奮感”相關(guān)的3300萬份帖子進行了分析，結(jié)果顯示，自拍更多了，但不再只是為了對外展示個人魅力，創(chuàng)造“美好的自我幻想”，而是通過自拍更好的認(rèn)識自我，記錄生活與成長的真實體驗，比如進行減肥打卡、長跑記錄等。

? ? ? ?

既然大多數(shù)積極的詞匯都與“自拍”相關(guān)，那為什么我們不去分享更多呢？

抱著這樣的設(shè)計理念和構(gòu)想，nerfies就誕生了。

我們知道，要創(chuàng)建3D場景，通常需要一些特殊的硬件，比如LIDAR掃描儀，該掃描儀主要使用激光測量物距，從而可以更好地創(chuàng)建3D模型?，F(xiàn)在，iPhone 12 Pro和12 Pro Max上也內(nèi)置了LIDAR傳感器。但要知道，這些特殊硬件并不便宜，也不是那么簡單就能使用的。

不過，nerfies可就不一樣了。如果你想要創(chuàng)建一個nerfies這樣的“自拍”，你只需要從多個不同角度，拿著手機在自己面前來回晃動一下，同時確保自己始終保持在畫面中，就這么簡單。

就像這樣：

? ? ? ?

根據(jù)官方介紹，nerfies是一種在給定時刻創(chuàng)建更全面的自拍的方法，觀看者不僅可以觀看2D圖像，還可以在3D模式下縮放和平移對象，全程也無需任何其他特殊設(shè)備，用到的只有配備了攝像頭的智能手機和一點點CPU處理能力。

? ? ? ?

論文鏈接：

https://nerfies.github.io/

? ? ?

如何解決又貴又麻煩的問題

要根據(jù)這種視頻數(shù)據(jù)創(chuàng)建3D模型，研究人員使用了一種稱為神經(jīng)輻射場（Neuro Radiance Fields，簡稱NeRF）的方法，該方法可以從不同角度拍攝物體的多個圖像，使用這些二維數(shù)據(jù)來計算和生成三維模型，同時允許其他人從不同的角度進行操作和觀看。

不過，NeRF方法有一個問題，它要求拍攝對象在整個過程中保持完全靜止。這對于我們來說，難度還是有的，因此NeRF方法需要利用到大型相機陣列，讓其同時從多個角度捕捉一個人的圖像，但是這就回到了和LIDAR一樣的問題上了，攝像機陣列又貴又麻煩。

? ? ? ?

所以，在這個過程中，讓被拍攝對象自己搖動手機捕捉自己的影像，可能是一種更容易的方法。但為了從多個角度生成靜止圖像，整個過程可能需要持續(xù)幾秒鐘的時間，這意味著拍攝對象不斷運動。

為了解決這個問題，研究小組開發(fā)了一種稱為可變形神經(jīng)輻射場（簡稱D-NeRF）的新方法，該方法能夠比較框架，以確定對象在它們之間移動了多少，然后自動計算必要的變形，這樣就可以調(diào)整提取出的不完美的二維圖像數(shù)據(jù)，將其仍用于創(chuàng)建準(zhǔn)確的交互式3D模型。

D-NeRF通過優(yōu)化附加的連續(xù)體積變形場來增強神經(jīng)輻射場（NeRF），該場將每個觀察點扭曲為規(guī)范的5D NeRF。研究人員還觀察到，這些類似NeRF的形變場傾向于局部極小值，于是為基于坐標(biāo)的模型提出了從粗到精的優(yōu)化方法，該方法可實現(xiàn)更強大的優(yōu)化。通過將原理從幾何處理和物理模擬應(yīng)用于類似NeRF的模型，提出了變形場的彈性正則化，進一步提高了魯棒性。

研究人員通過使用裝備有兩部手機的設(shè)備收集數(shù)據(jù)進行評估，這兩部手機可以拍攝時間同步的照片，并在不同的視點上產(chǎn)生相同姿勢的訓(xùn)練/驗證圖像，這也證明了這種方法的確忠實地重建了非剛性變形的場景，并以高保真度再現(xiàn)了看不見的景象。

? ? ? ?