利用新的AI技術可在後期建立超慢動作
Kandao的新軟體使用AI技術來預測運動,以便在後期建立高達1200fps的慢動作。
該技術主要針對公司的Obsidian和QooCam 360/VR攝像機而設計,採用較低幀速率(如30或60fps)拍攝的素材,並使用AI預測技術插入幀以建立超慢動作序列。
並不是所有的相機都能產生或記錄高幀率,這是一個越來越需要的功能。常言道:“慢鏡頭下的一切看起來都更好。”好吧,我承認,慢動作被過度使用了,但對於你想要詳細描述動作的純粹美感或複雜性的高動作序列來說,沒有什麼能代替慢下來。
Kandao的演示是一個好的開始。任何使用先前的慢速運動插值技術(如光流)的人都知道,沒有什麼是絕對可靠的。這些替代技術通常會在物件周圍產生扭曲偽影,因為計算機不知道下一個物件。這些方法通常會被軟邊緣和運動模糊所迷惑,因此通常最好拍攝原始序列並定製它以使其稍後變為慢動作,例如確保具有良好的高對比度邊緣和細節,以及使用快速快門速度,以便計算機能夠更準確地預測運動。
看來Kandao的方法比現有的許多方法都好,儘管在某些地方仍然存在翹曲的問題,而且當一個物件移動到另一個物件之後,系統也會變得混亂。這也是光流方法的一個常見問題。不過,它確實表明,這種技術正在變得更好,在人工智慧“學習”的幫助下,這種系統只會在識別和預測物體運動方面變得更好。
深度對映的案例
如果有一個很好的例子可以讓每個相機都具備深度對映能力,這將是一個很好的例子,允許後運動計算真正地分離物件,並做出更好的運動預測。
去年,Nvidia展示了自己的基於人工智慧的計算慢動作系統。粗略地看一眼就可以看出,Nvidia的方法稍微好一些,手動操作也稍微少一些。儘管我們必須使用相同的錄影來比較兩個系統,以做出正確的判斷。但需要考慮的一點是,Nvidia系統需要特斯拉V100 GPU和Cudnn加速的Pythorn深度學習框架,甚至Nvidia也承認,如果其系統商業化,處理過程很可能會在雲端進行。另一方面,Kandao的系統只是軟體。
但英偉達展示的重點是,這種計算方法首先並不僅僅適用於建立慢動作。記住,你給電腦輸入的資訊越多,它就能做的越多。運動也一樣。
因此,如果你輸入這樣的軟體,比如120fps的鏡頭,你就可以繼續建立慢得多、慢得多的運動鏡頭,任何人工製品都將被最小化,因為系統有大量的微小的時間資訊來計算物體的運動。這一點在英偉達的演示中得到了很好的體現,當液體被擊穿網球拍時。任何基於液體的東西對任何計算慢動作系統都是一個巨大的挑戰,但是英偉達系統處理得非常好。
正如我們所說,Kandao的系統是為其自己的VR和360相機系列設計的,但我們可以期待看到更多此類技術的出現。我們是否會得到如此完美的計算結果,以至於不再需要具有慢鏡頭功能的攝像機?這些方法的處理率非常高,所以現在最好的建議就是正確設定這些方法。但在未來,我們迫不及待地想看到。
https://www.redsharknews.com/production/item/6319-new-ai-techniques-create-ultra-slow-motion-in-post
新浪宣告:新浪網登載此文出於傳遞更多資訊之目的,並不意味著贊同其觀點或證實其描述。