新算法可以?xún)?yōu)化三維重建，極大推動(dòng)AR中的對象跟蹤速度

該算法在數據分析方面大大優(yōu)化，助力AR、VR等相關(guān)領(lǐng)域的發(fā)展。

近日，伯克利的AI研究人員發(fā)布新的算法，該算法根據物體的單幅二維圖像信息，就可以快速地將其三維結構構造出來(lái)。

雖然對于人類(lèi)而言，根據物體的單面信息推測出東西的整體形狀很容易做到，但是對于機器而言，這一過(guò)程十分艱難，因為增加一個(gè)維度意味著(zhù)要增加大量的數據。

具體來(lái)看，當你拍一張照片，每一邊的像素點(diǎn)數是100，那這張圖像的像素點(diǎn)數一共就是一萬(wàn)個(gè)。但是如果你想增加一個(gè)維度，也就是增加一邊，假設增加的新邊像素點(diǎn)數仍然是100，那整體像素點(diǎn)數將增加一百倍。如果稍微追求精度，單邊像素選用128，整體像素點(diǎn)將增加兩百倍。不言而喻，數據量的增加是成數量級的。

同時(shí)為了確保不失真，圖像的每一個(gè)像素點(diǎn)及像素點(diǎn)之間的關(guān)系都要計算分析，如果想要高精度，那計算量就將十分巨大。

對此很多研究人員都以提升硬件處理速度來(lái)彌補算法運行數據量巨大這一不足，但運行速度依然十分之慢，不過(guò)伯克利人工智能實(shí)驗室的Christian Häne卻指出，事實(shí)上，我們不是在計算和重建100x100x100的整體，而只是描述一個(gè)對象的表面，至于表面以外或以?xún)鹊目臻g，我們都可以不用管。

所以，首先他以很低的分辨率對2D圖像進(jìn)行3D重建，接著(zhù)拋去表面以外的數據部分，對保留的區域進(jìn)行更高分辨率的渲染，以此循環(huán)重復，從而以較高速率和精度實(shí)現了對物體3D空間的重構。

筆者認為，這一定不是最佳解決方案，但是Christian Häne對數據的篩選方法上的改進(jìn)是對算法本身很好的一次優(yōu)化，提升了計算機處理的速度和精度，有助于AR和VR中更迅速和精準的對象跟蹤。

最后，記得關(guān)注微信公眾號：鎂客網(wǎng)（im2maker），更多干貨在等你！