美國專利及商標(biāo)局今天公布了一份蘋果專利，與用于全向和多向圖片與視頻有關(guān)的編碼技術(shù)。映維網(wǎng)早在2017年10月就報(bào)道了一份與這一話題相關(guān)的專利。當(dāng)時(shí)的專利涉及VR應(yīng)用的后期制作，而今天的專利Processing of Equirectangular Object Data to Compensate for Distortion by Spherical Projections則涵蓋編碼方面的技術(shù)。

延伸閱讀：蘋果申請新VR專利，可用于VR攝影和后期制作

對于今天公布的專利，蘋果指出當(dāng)前的指出編碼應(yīng)用程序沒有考慮在處理全向或多向圖像時(shí)可能出現(xiàn)的圖像畸變。這種畸變會(huì)導(dǎo)致普通視頻編碼器無法識別圖像內(nèi)容中的冗余，從而導(dǎo)致編碼效率低下。蘋果的發(fā)明正是為了克服編碼效率低下的問題。

為了更好地理解蘋果項(xiàng)目的背景，我們可以把目光放在2017年的VR應(yīng)用后期制作專利。在去年的專利申請中，蘋果指出傳統(tǒng)的180度或360度視頻或圖像是以平面格式進(jìn)行存儲，使用等量矩形投影或立方體投影來表示球形空間。如果在傳統(tǒng)的編輯應(yīng)用程序或圖形應(yīng)用程序中編輯這類視頻或圖像，當(dāng)視頻或圖像以圓頂投影，立方體投影進(jìn)行分發(fā)和渲染時(shí)，或者在VR頭顯內(nèi)進(jìn)行球形映射時(shí)，用戶將難以解釋最終結(jié)果的體驗(yàn)。在平面投影中編輯和操縱圖像需要特殊技能和大量的試錯(cuò)。

另外，在用球形合成或編輯圖像或視頻后，出現(xiàn)后續(xù)鏡頭未對準(zhǔn)，或者立體視差點(diǎn)無法以自然方式匹配，這是一種常見的體驗(yàn)。

對于蘋果在2017年的發(fā)明，其主要是將單視場和立體視場的180度或360度靜態(tài)圖像或視頻從主機(jī)編輯軟件或視覺特效軟件傳輸至相同設(shè)備上同時(shí)運(yùn)行的軟件上，以等量矩形投影或其他球形投影的方式進(jìn)行。相同的設(shè)備可以持續(xù)獲取有線或無線頭顯的方向傳感器的方向和位置數(shù)據(jù)，同時(shí)向頭顯實(shí)時(shí)渲染這一方向的單視場或立體視場視圖。

圖5是2017年的專利，說明了3D顯示設(shè)備呈現(xiàn)一張預(yù)覽圖像。我們看到了視頻或圖像編輯或圖形處理軟件程序#501的用戶界面，等量矩形投影的球形圖像顯示在畫布#502之上，以及合成或編輯時(shí)間線#503

對于今年的蘋果專利，他們指出一些現(xiàn)代成像應(yīng)用程序可以從多個(gè)方向捕捉圖像數(shù)據(jù)。一些相機(jī)在捕捉圖像時(shí)會(huì)沿著樞軸旋轉(zhuǎn)，這允許相機(jī)通過掃視捕捉更多的圖像數(shù)據(jù)，從而擴(kuò)大有效視場。其他相機(jī)則包含多個(gè)成像系統(tǒng)，能夠在多個(gè)不同的視場中捕捉圖像數(shù)據(jù)。在任意一種情況下，相機(jī)系統(tǒng)都可以創(chuàng)建一種聚合圖像，代表從多個(gè)視點(diǎn)捕捉的融合或“拼合”圖像數(shù)據(jù)。

文件指出，視頻可以從多個(gè)視點(diǎn)捕捉主題或場景，例如令多臺相機(jī)指向同一地點(diǎn)，或根據(jù)最近的行業(yè)發(fā)展，使用能夠錄制場景所有方向的球形相機(jī)。對于手持式視頻，或?qū)τ谀芨淖兿鄼C(jī)位置和視點(diǎn)的圖片而言，圖像可以提供許多可以合并至場景的額外數(shù)據(jù)。

蘋果寫道：“許多現(xiàn)代編碼應(yīng)用程序并不是為處理這種全向或多方向圖像內(nèi)容而設(shè)計(jì)。”這表明應(yīng)用程序是假設(shè)圖像數(shù)據(jù)屬于“平面”或從單個(gè)視圖捕捉，意味著如此應(yīng)用程序沒有考慮處理可能出現(xiàn)的畸變，因此無法識別圖像內(nèi)容中的冗余，反過來又導(dǎo)致效率低下。

因此，蘋果專利的發(fā)明人意識到行業(yè)需要一種能夠處理全向和多向圖像內(nèi)容，同時(shí)能限制畸變的編碼技術(shù)。簡而言之，編碼器將視頻分成像素塊，而對于每個(gè)像素塊，編碼器可能將其與參考圖片中關(guān)于場景的其他數(shù)據(jù)進(jìn)行比較。利用對搜索塊和參考數(shù)據(jù)的預(yù)測搜索，編碼器可以對像素塊執(zhí)行不同的操作，使其看起來更適合于用戶。

圖1中的系統(tǒng)#100包含至少兩個(gè)通過網(wǎng)絡(luò)#130互聯(lián)的終端。第一個(gè)終端#110擁有一個(gè)生成多向和全向視頻的圖像源。這個(gè)終端同時(shí)包含編碼系統(tǒng)和傳輸系統(tǒng)，用于向第二個(gè)終端#120傳輸編碼的多項(xiàng)視頻。

例如，第二個(gè)終端在本地顯示器上顯示球形視頻，它可以執(zhí)行視頻編輯程序以修改球形視頻，或者將球形視頻集成到一款應(yīng)用程序中(如一款VR程序)，然后在頭顯中進(jìn)行顯示，或者存儲球形視頻供以后使用。

公開的實(shí)施例可以應(yīng)用于筆記本電腦，平板電腦，智能手機(jī)，服務(wù)器，媒體播放器，VR頭顯，AR顯示器，全息顯示器，以及專用的視頻會(huì)議設(shè)備。

圖2則與編碼系統(tǒng)有關(guān)。系統(tǒng)200包含一個(gè)圖像源，一個(gè)圖像處理系統(tǒng)，一個(gè)視頻編碼器，一個(gè)視頻解碼器，一個(gè)參考圖片存儲器，一個(gè)預(yù)測器，以及一對球形變換單元(#270和#280)。

圖像源可以生成作為多向圖像的圖像數(shù)據(jù)，包含在多個(gè)方向上圍繞參考點(diǎn)延伸的視場的圖像數(shù)據(jù)。圖像處理系統(tǒng)可以根據(jù)需要轉(zhuǎn)換來自圖像源的圖像數(shù)據(jù)，從而適配視頻編碼器#230的要求。

視頻編碼器可以生成輸入圖像數(shù)據(jù)的編碼表示，這一般是通過利用圖像數(shù)據(jù)中的空間沉余和臨時(shí)沉余。視頻編碼器可以輸出輸入數(shù)據(jù)的編碼表示(在發(fā)送或存儲時(shí)消耗比輸入數(shù)據(jù)更少的帶寬)。

如果你進(jìn)一步深入專利文件，你將發(fā)現(xiàn)蘋果詳細(xì)地描述了這個(gè)“編碼系統(tǒng)”，從專利點(diǎn)#0022一直到專利點(diǎn)#0026。

圖3說明了可用于專利實(shí)施例的3個(gè)圖像源。圖像源#310和#340都可用于專利披露的實(shí)施例。

第一個(gè)圖像源是相機(jī)#310，如圖3a所示。其包含單個(gè)圖像傳感器，能夠沿樞軸旋轉(zhuǎn)。在操作期間，相機(jī)可以沿著預(yù)設(shè)轉(zhuǎn)動(dòng)范圍(最佳是全360度)捕捉圖像內(nèi)容，并且將捕捉的圖像整合成一張360度圖像。

捕捉操作可以生成等量矩形圖像#320，預(yù)定尺寸是M×N像素。可選地，等量矩形圖像可以轉(zhuǎn)換成球形投影。

圖3b說明了另一種圖像源(全向相機(jī)#340)的圖像捕捉操作。在這個(gè)實(shí)施例中，相機(jī)系統(tǒng)可以執(zhí)行多向捕捉操作，并輸出立方體貼圖圖片#360，尺寸是M×N像素，其中圖像內(nèi)容根據(jù)立方體貼圖捕捉#350進(jìn)行排列。

圖3c說明了另一種圖像源(魚眼相機(jī)#370)的圖像捕捉操作。在這個(gè)實(shí)施例中，每個(gè)透鏡系統(tǒng)在不同的180度視場中捕捉數(shù)據(jù)，表示相對的“半殼”。

相機(jī)可以從每個(gè)透鏡系統(tǒng)中圖像拼合中生成圖像#380，根據(jù)每個(gè)半殼視場的對象位置，魚眼透鏡通常會(huì)引起畸變。

需要注意的是，蘋果每周都提交大量的專利申請，但很少能真正成為產(chǎn)品或服務(wù)。專利申請無法確保一個(gè)概念能出現(xiàn)在未來的消費(fèi)者設(shè)備中。

專利文件中的概念可能存在一定的前景應(yīng)用。首先，這可以允許用戶通過360度相機(jī)錄制視頻，合理地拼合視頻，從選定區(qū)域創(chuàng)建剪輯，進(jìn)行轉(zhuǎn)換，使其看似最初就是通過“平面”相機(jī)錄制。

第二種前景應(yīng)用是VR，可用于創(chuàng)建球形視頻，以及提供頭顯用戶的平面視圖。使用360度相機(jī)制作的視頻可能是未來VR用戶的主要內(nèi)容來源，但能夠修正畸變，偽影的能力將能提高內(nèi)容的觀影質(zhì)量。

來源：yivian