人类主要通过视觉认知世界，大脑皮层70%的活动都在处理视觉信息。因此，视觉也被视为实现通用人工智能的一个重要研究领域。

在4月20日至22日举行的“VALSE视觉与学习青年学者研讨会”，就吸引了来自计算机视觉领域的众多知名***、学者及包括BAT、华为、科大讯飞、滴滴、快手、美图、商汤等40家工业界代表在内，3000余人参加。

聚力维度受邀展示人工智能2D自动转3D平台“峥嵘”，并被与会者亲切地评为工业界“视觉研究领域的一股清流”。

人工智能2D转3D

峥嵘平台由聚力维度的科幻成真实验室历时3年之久研发完成，主要用于画面品质达院线级标准的3D内容制作。

《阿凡达》上映之后，3D电影在大众领域从“陌生”转为“熟悉”。很多人都看过3D电影，但仅有很少人知道3D电影如何制作。

主流的3D电影制作采用2D转3D方式。因为使用3D双目摄像机实拍，不仅成本高、周期长、移动不便，而且在拍摄特写、逆光、运动等镜头上也有限制。

峥嵘平台的诞生则彻底颠覆了传统2D转3D技术。

用传统2D转3D技术制作一帧立体画面，是一个繁琐且耗时间的过程，要经过图像分割、灰度绘制、背景补图、渲染合成至少4个步骤。

举例来说，将一张正对镜头的面部特写图片制作成立体图片，一个人类立体设计师需要先用传统3D转制软件里的分割工具，将人物的面部从鼻尖、鼻翼、颧骨、耳根再到头发，像用ps抠图一样分别依次分割；再给分割出来的每一层依次赋予灰度值，也就是赋予单个部分立体感；然后将单张图片依据左右眼视角进行平移，并将平移后的空白部分补充完整；***后将左右视角图与灰度图渲染合成。

繁琐如此，也才仅仅得到一帧图片中一张人物面部的立体图像，更别提含有多人以及多层次背景的影视场景。

然而，使用人工智能2D转3D平台峥嵘，则只需将这张图片上传给平台，就可以实时得到一张结构精细的立体图。

用机器做人的视觉

在大会的demo展示区，参观的人群熙熙攘攘。40家工业界企业，都拿出了自家在计算机视觉领域的看家本领。

有做摄像传感的，有做图像智能搜索的，有的用于车辆检测，有的用于人脸打卡，有的用于***服务……各家所做的方向大同小异。很多学者看了一圈后说，基本上就是检测、检测还是检测。

聚力维度科幻成真实验室所展示的人工智能2D转3D 平台峥嵘，被现场众多学者评为“一股清流”。

峥嵘平台主要基于人工智能技术，其核心是从单目图像中***出整个场景的三维结构。

与应用在安防、自动驾驶、***、***领域的目标检测或目标分割等技术相比，峥嵘平台是在用机器做人的视觉。

首先，其输出的结果是影视画面，与安防、***、***等应用相比，主要服务于人类的观看体验。

其次，人眼对所观看的影视画面要求很高，并希望从中获得愉悦感。峥嵘平台输出的影视画面需要做到三维空间关系精细、稳定且漂亮。

如果每张图片的立体结构不一致，合成的完整视频就有可能造成同一人物在同一场景、位置出现抖动。即便很轻微，也可能使人眩晕。

但在安防或自动驾驶领域，机器锁定目标后，并不必清晰的将其呈现给人看。检测框围绕目标的轻微抖动是被允许的，只要不影响***终结果判断。

第三，峥嵘平台不仅要像人类一样能“看”到影视内容，并且要立体化影视内容中的万事万物，三维重建影视画面中的所有类别。

在VALSE2018大会上，一位做相关研究的讲者就在报告中谈到：通过单目图片重建一个类别的三维结构很简单，多个类别也不难，但实现所有类别很难。

可见，用计算机视觉技术来满足人的视觉享受，是一个艰难的历程。

***人工智能影视制作

目前，聚力维度的人工智能2D转3D平台峥嵘已经成功上线。

基于峥嵘平台研发的3D***技术，能对电视剧、综艺甚至时效性强的新闻、体育赛事等进行实时3D转换。3D浏览器，已在三星的一款裸眼3D笔记本装机测试，它能将所有普通网页实时转换成3D网页。

除了2D转3D，聚力维度也在围绕前期拍摄、后期制作、***动画等可以用人工智能优化甚至颠覆的影视制作方向进行研究，致力开创人工智能影视制作新纪元。

目前的整个影视制作行业，还处于手工作坊时代，只不过初步用机器取代了“锤子”，仍需要大量劳动力从事生产工作。

相信，随着人工智能技术的发展，影视制作行业有希望跨过工业革命，从手工作坊直接走向智能化时代。