Kandao的新軟件使用AI技術(shù)來預(yù)測運動，以便在后期創(chuàng)建高達1200fps的慢動作。

該技術(shù)主要針對公司的Obsidian和QooCam 360/VR攝像機而設(shè)計，采用較低幀速率（如30或60fps）拍攝的素材，并使用AI預(yù)測技術(shù)插入幀以創(chuàng)建超慢動作序列。

并不是所有的相機都能產(chǎn)生或記錄高幀率，這是一個越來越需要的功能。常言道：“慢鏡頭下的一切看起來都更好。”好吧，我承認，慢動作被過度使用了，但對于你想要詳細描述動作的純粹美感或復(fù)雜性的高動作序列來說，沒有什么能代替慢下來。

Kandao的演示是一個好的開始。任何使用先前的慢速運動插值技術(shù)（如光流）的人都知道，沒有什么是絕對可靠的。這些替代技術(shù)通常會在對象周圍產(chǎn)生扭曲偽影，因為計算機不知道下一個對象。這些方法通常會被軟邊緣和運動模糊所迷惑，因此通常最好拍攝原始序列并定制它以使其稍后變?yōu)槁齽幼鳎绱_保具有良好的高對比度邊緣和細節(jié)，以及使用快速快門速度，以便計算機能夠更準確地預(yù)測運動。

看來Kandao的方法比現(xiàn)有的許多方法都好，盡管在某些地方仍然存在翹曲的問題，而且當一個對象移動到另一個對象之后，系統(tǒng)也會變得混亂。這也是光流方法的一個常見問題。不過，它確實表明，這種技術(shù)正在變得更好，在人工智能“學習”的幫助下，這種系統(tǒng)只會在識別和預(yù)測物體運動方面變得更好。

深度映射的案例

如果有一個很好的例子可以讓每個相機都具備深度映射能力，這將是一個很好的例子，允許后運動計算真正地分離對象，并做出更好的運動預(yù)測。

去年，Nvidia展示了自己的基于人工智能的計算慢動作系統(tǒng)。粗略地看一眼就可以看出，Nvidia的方法稍微好一些，手動操作也稍微少一些。盡管我們必須使用相同的錄像來比較兩個系統(tǒng)，以做出正確的判斷。但需要考慮的一點是，Nvidia系統(tǒng)需要特斯拉V100 GPU和Cudnn加速的Pythorn深度學習框架，甚至Nvidia也承認，如果其系統(tǒng)商業(yè)化，處理過程很可能會在云端進行。另一方面，Kandao的系統(tǒng)只是軟件。

但英偉達展示的重點是，這種計算方法首先并不僅僅適用于創(chuàng)建慢動作。記住，你給電腦輸入的信息越多，它就能做的越多。運動也一樣。

因此，如果你輸入這樣的軟件，比如120fps的鏡頭，你就可以繼續(xù)創(chuàng)建慢得多、慢得多的運動鏡頭，任何人工制品都將被最小化，因為系統(tǒng)有大量的微小的時間信息來計算物體的運動。這一點在英偉達的演示中得到了很好的體現(xiàn)，當液體被擊穿網(wǎng)球拍時。任何基于液體的東西對任何計算慢動作系統(tǒng)都是一個巨大的挑戰(zhàn)，但是英偉達系統(tǒng)處理得非常好。

正如我們所說，Kandao的系統(tǒng)是為其自己的VR和360相機系列設(shè)計的，但我們可以期待看到更多此類技術(shù)的出現(xiàn)。我們是否會得到如此完美的計算結(jié)果，以至于不再需要具有慢鏡頭功能的攝像機？這些方法的處理率非常高，所以現(xiàn)在最好的建議就是正確設(shè)置這些方法。但在未來，我們迫不及待地想看到。

https：//www.redsharknews.com/production/item/6319-new-ai-techniques-create-ultra-slow-motion-in-post

來源：redsharknews