世界杯來了！央視名嘴白巖松調侃 “俄羅斯世界杯，中國除了足球隊沒去，其他的都去了”，這屆世界杯，中國球迷購買球票的數量在所有國家中排名第 9，可見球迷對世界杯的熱情。那么，除了準備好小龍蝦在電視機前觀看世界杯比賽，你有沒有想過讓 C羅、梅西或者內馬爾在你家桌子上踢一場比賽會是什么樣子？

華盛頓大學、Facebook 和 Google 的研究人員開發了第一個端到端的深度學習系統，該系統可以將足球比賽的 YouTube 視頻轉換為運動的 3D 全息圖。

用CNN重建一場足球比賽

“對一場足球比賽進行單目重建有很多挑戰。我們必須估計相對于場地的攝像機姿態，檢測并跟蹤每個球員，重新構建他們的身體形狀和姿勢，并對聯合重建進行渲染，” 研究人員在他們的研究論文中寫道。

圖1：以足球比賽的 YouTube 視頻為輸入，系統輸出比賽的動態 3D 重建，可以使用增強現實設備在桌面上以交互式的方式觀看。

下面的視頻演示了這個系統：

這種方法的關鍵是卷積神經網絡（CNN），研究人員通過訓練 CNN 來估計每個球員與拍攝比賽的攝像機之間的距離。該網絡分析了從足球視頻游戲《FIFA》中提取的12000 張 2D 球員圖像，以及從游戲引擎提取的相應 3D 數據，以了解兩者之間的相關性。

這樣，網絡就能從沒見過的 2D 圖像中預估球員的深度圖（ depth maps）。當被展示沒見過的視頻時，系統能準確地預測每個球員的深度圖，并將其與顏色素材結合，以3D 的方式重建每個球員。

圖 2：重建方法的概覽

以 YouTube 視頻的幀作為輸入，我們使用 field lines 來恢復攝像機參數。然后，提取邊界框、姿勢和軌跡（跨多個幀）來分割球員。通過在視頻游戲數據上訓練好的深度網絡，我們在游戲環境中重建了每個球員的深度圖，這樣就可以在 3D 查看器或 AR 設備上呈現出來。

然后，球員們被放在一個虛擬的足球場上。其結果令人驚嘆，并且可以通過 3D 查看器或 AR 設備從任何角度觀看比賽。

圖3：訓練數據：從《FIFA》游戲中提取圖像和對應的深度，這里展示了幾個可視化為深度圖和網格的例子。

該團隊使用 NVIDIA GeForce GTX 1080 GPU 和 NVIDIA TITAN Xp GPU，以及cuDNN 加速的 PyTorch 深度學習框架，在從世界杯比賽視頻中提取的數小時的 3D 球員數據上對卷積神經網絡進行訓練。

基于這些比賽視頻數據，神經網絡能夠重構球場上的每個球員的深度圖，這些圖可以在3D 查看器或 AR 設備上呈現。

“事實證明，在玩 EA 的《FIFA》游戲并截取游戲引擎和 GPU 間的調用時，可以從視頻游戲中提取深度圖。具體來說，我們使用 RenderDoc 來截取游戲引擎和 GPU 之間的調用?！?研究團隊表示：“FIFA 與大多數游戲類似，在游戲過程中使用延遲渲染。通過訪問 GPU 調用，可以捕獲每幀的深度和顏色緩沖區。一旦特定的幀被捕獲了深度和顏色，就可以提取出球員?！?/span>

圖4：合成數據集的結果以及與當前最優技術和 ground truth 的比較，可視化為depth maps 和 3D 網格。我們的方法更準確，實現了更好的網格重構。

為了驗證這個系統，研究團隊用 YouTube 上找到的 10 個高分辨率的職業足球比賽視頻測試他們的方法。值得注意的是，該系統只在合成視頻素材上進行訓練。但是，在真實的場景中，系統也有非常好的結果。請加微信公眾號：工業智能化(robotinfo) 馬云都在關注

來自 YouTube 視頻的實際圖像的結果

從 Youtube 框架開始（頂行），我們網絡重建的深度圖可以添加到虛擬 3D 球場環境中，這里顯示為僅網格和紋理渲染（第 2-4 行）。

研究人員用微軟的 HoloLensAR 眼鏡進行測試。HoloLens 可以將 3D 重建疊加到真實的桌面上。最終的產品雖然不完美，它無法重建球，不能實時地工作，并且只允許從視頻錄制的球場側面觀看。但是，這項技術可能比當前 3D 重建運動的最先進方法更具可擴展性，因為當前的方法需要在每一個角度布置相機。研究人員稱，這種方法也適用于預定義的其他事件，例如音樂會或劇場。

桌面實際的場景

用HoloLens看到的場景

研究人員承認他們的系統并不完美。他們的下一個項目將專注于訓練系統以更好地檢測球，并開發可從任何角度觀察的系統。