手机‘3D 照片’功能背后的积累，是 3D 大众化的通行证？

3月4日，Facebook AI 发布博客，表示通过神经网络训练，现在 Facebook 已经可以将普通单摄手机拍摄的 2D 照片，转化成具有 3D 效果的图片。新功能需要新玩法，两年前，Facebook 推出了 3D 照片的新功能，正是通过双摄手机的‘肖像模式’，让 2D 照片出现‘部分 3D’的效果。遗憾的是，当时拥有双摄旗舰机的人还是少数的。除了用户在手机页面停留更长时间，‘3D 照片’功能背后的积累，可以落地在更多场景，例如 AR 场景以及无人驾驶。鉴于 Facebook 对于 VR 的野心依旧，这项新功能将如何实现扎克伯格‘10 亿人共 VR’的梦想，也令人颇为期待。

2D 照片如何变 3D

同样是 3D 照片，两年时间有什么不一样的?答案是，深度信息。2018 年的 3D 照片功能要依赖当时手机双摄‘肖像模式’带来的深度信息，而现在 Facebook AI 可以直接将任何时候拍摄的 2D 照片转化出 3D 效果，不需要深度信息。

抛开深度信息来制造 3D 效果的照片，需要面对两个挑战，一个是训练模型来推测各种物体的 3D 位置，另一个是优化系统来让各种移动设备都能在短时间内将功能跑起来。为此，团队使用卷积神经网络(CNN)训练了数百万对的 3D 照片以及对应的深度信息;同时，利用 Facebook AI 团队之前的开发 FBNet 和 ChamNet 的优化方式，来将功能推广到更多的设备上。

通过这个方式，给出任意一张标准的 RGB 图像，卷积神经网络可以估算出任一像素到摄像头的距离。目前，iPhone 7 及之后的设备，都可以使用 3D 照片功能。

在攻克 2D 照片的深度信息预测算法之后，Facebook AI 团队表示正在尝试将实验扩大到视频范围，后者的挑战在于每一帧画面的深度必须与前后帧的保持一致，同时好消息是，由于视频通常有同一物体的不同视角，能够用来提供更精确的深度信息预测。而这些尝试将让团队强化算法在深度、物体表面以及空间方面的推测能力，并最终将其使用到实时场景之中，例如手机端的 AR 应用上。

如果通过这些方式，能让机器更好的理解立体的现实环境，也会对无人驾驶车辆或者无人机的导航提供帮助。

YouTube 和 3D 民主化

十五年前的 2005 年，YouTube 的三位创始人创立这个平台的时候，最开始的想法是做成视频相亲网站，很难说当时如果他们坚持那个方向，是不是还会变成现在这个视频界的谷歌。当时数码设备尚未流行，员工经常需要跑到用户家里去取用户想要上传的视频的光盘，拿回到公司帮忙上传，可想而知平台前几年发展有多艰难。如果没有后来智能手机的爆发，估计也不会有现在的 YouTube 了。

从 2014 年收购 Oculus，Facebook 在 VR 上下了重注，但是行业发展显然没有扎克伯格当时签支票时预料的那么快。视频 3D 效果的创意，其实早在几年前 Facebook 360 视频团队就曾经尝试过，由于 Facebook 360 项目最终停滞，相关的内容也难以见到了。

这折射了 VR 和 AR 行业发展的一个瓶颈，如果普通用户无法用手机便捷的创建 3D 内容，那么他们可能不会对 VR 或者 AR 产生太大的兴趣。虽然收购了一家又一家 VR 游戏公司，但是用 PGC 的方式生产 VR 内容，毕竟速度和数量都和视频的 UGC 不在一个数量级上。

另一个对 VR 和 AR 抱以厚望的巨头谷歌，曾经收购过 VR 第一个热门应用 Tilt Brush，后者堪称是 VR 时代的‘画图板’。该应用曾经吸引了不少国际知名艺术家，在 VR 中挥毫泼墨，吸引了普通用户。但是问题还在于，Tilt Brush 还是需要戴上 VR 头显才能使用，依然有局限性。

带来可能解决方案的，反而是一直闷声积累 AR 实力的苹果公司，后者在 iPhone X 上使用了前置 3D 摄像头模组，用户不仅可以利用其解锁手机，同时还能创建一个模仿自己脸部动态的 3D 动画形象。不过，苹果对于 iPhone‘齐刘海’的 3D 摄像头功能控制的很严，无法任意使用，好在 Android 手机厂商随后跟进，将前置 3D 摄像头变成标配。曾经有人用小米手机的前置 3D 摄像头，扫描出物体的大致 3D 模型。

如果乔布斯看到最新的 iPhone 11 Pro 后面的三颗吐出来的‘浴霸’造型摄像头，不知道会作何感想。当然，不管‘乔帮主’可能会怎么看，摄像头个数代表手机档次，已经成为一个潜规则。虽然牺牲了部分造型，但确实给手机带来了新的功能，例如获得深度信息，这也是为什么出现了 iPhone 拥有双摄之后，出现了能够虚化背景的‘肖像模式’。