谷歌黑科技：能把照片变立体

谷歌黑科技| 2015-08-18

利用 DeepStereo 制作的视频片段

北京时间 7 月 10 日下午消息，据美国科技博客 Gizmodo 报道，本周《麻省理工科技评论》(Technology Review)杂志发布的一篇论文披露了谷歌研发的新系统 DeepStereo，该系统可以通过人工智能技术将一系列照片无缝组合成为视频。

论文作者名为约翰-弗林(John Flynn)，是一名谷歌工程师，其他三位合著者也都在谷歌工作。在论文中，弗林阐述了谷歌研发 DeepStereo 系统的全过程。

早在 DeepStereo 之前，就有类似利用静态图片输出动画的技术存在。美国计算机协会计算机图形专业组（SIGGRAPH）就曾通过网上图像制作过延时动画。

但与其他静态图像生成动画技术相比，DeepStereo 系统最大的不同在于，它可以猜测出图像的缺失部分，在空白处创造出来源图片中没有的新图像。据英国媒体 Register 报道，和传统动画利用视觉暂停的原理不同，DeepSteoreo 可以“想象出”两幅静止图像之间的画面。

弗林和他的合著者在论文中写道，“这项技术与之前的产品截然不同，我们尝试采用新型深度架构直接合成新图像，不需要预先设置景深、焦距等训练数据。”

该系统背后的网络架构原理十分复杂，借鉴了各种先例。但作者在文中介绍了该技术的独到之处：系统在工作时会采用两套独立的网络架构。其中之一会根据已有的 2D 数据预测各个像素的景深。另外一个则会对色彩作出预测。两者共同以 2D 图像的形式完成对景深和色彩的预测，最终合成视频。

DeepStereo 仍有不足之处：视频角落的画面很不清晰。“算法没有涉及到的区域往往是模糊的，无法被覆盖，也无法使用像素填充，”开发团队解释说。不过，这套系统暗藏了一个通过模糊的图源生成物体的小技巧：“移动对象在训练数据中非常常见，我们的模型可以优雅地完成这个动作：开始出现的时候是模糊的，然后逐渐转换为运动模糊效果。”

虽然该系统生成的最终产品与通过图像简单合成的动画区别不大，但该技术能够为谷歌的街景技术锦上添花。同时也能为谷歌的人工智能技术提供一个更加实用的范例。

本月，谷歌的“梦想机器人”在互联网上走红，这是该公司超级先进的人工神经网络，由谷歌的工程师团队开发而成。设计初衷是要找到一种切实可行的方法，让计算机辩认出图像中的内容。谷歌工程师正在教这些不可理喻的人工“大脑”辨识动物或架构，顺便也做做“梦”，此举令人感到震惊和恐惧。

本文文字及图片出自新浪科技