手机背后那不是网页游戏公益服浴霸：是3D大众化的通行证

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。

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。

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。

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，网页游戏私服，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。

可以想象，有一天你可以像拍照一样，随便一扫就可以建造出眼前事物的模型，肯定会第一时间分享给朋友，或者上传到 3D 版的 instgram 或者 YouTube 上。

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。

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。

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。

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」。

3D 打印厂商清锋科技曾经告诉极客公园（id：geekpark），未来希望人们能使用手机摄像头来扫描自己的双脚，通过得到的 3D 数据，来使用 3D 打印机来制作完全贴合自己脚型的运动鞋。要让手机的 3D 摄像头达到 3D 打印需要的精度，可能还需时日，不过，大致扫出一个物体的模型，现在基本可以做到了，只是手机厂商们仍未想好是否要开放这个功能。

微信公众号搜索" 驱动之家 "加关注，每日最新的手机、电脑、汽车、智能硬件信息可以让你一手全掌握。推荐关注！【微信扫描下图可直接关注】

2D 照片如何变 3D

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。

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。

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。

不过，在那之前，你现在可以先在 Facebook 上，提前体验一下未来。

YouTube 和 3D大众化

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。

几天前，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。

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。