<mark id="oztn4"></mark>
0
Magic Leap，這家僅憑炫酷的宣傳視頻就獲得14億美元融資的MR創業公司，依然還沒有公布一款可以體驗的頭盔產品。
The Information、The Verge 等多家國外媒體報道指出，Magic Leap 的宣傳視頻存在誤導大眾的嫌疑，該公司的技術實際上遠遠沒有形容的那么“先進”。他們雖然展示了可以日常佩戴的MR眼鏡，但事實上卻在將AR 技術融合到小型化設備上遭遇瓶頸。
我們都知道，增強現實的關鍵在于對環境的感知，所有的AR公司都得先解決這一基本問題。近來雷鋒網發現從他們發表的多篇論文來看，“飄在云端”的Magic Leap也和大家一樣在踏踏實實解決基本問題。
8月7日最新一篇論文名為：“RoomNet: End-to-End Room Layout Estimation（點擊下載）”該論文致力于用AI的方法來估算房間的大小和形狀，名為RoomNet。論文總結表示該論文對于室內導航，場景重建和增強現實十分重要。
在論文摘要部分我們看到：“論文聚焦于從單眼RGB圖像估計房間布局，先前的工作將這個問題分成兩個子任務：地板、墻壁、天花板的語義分割以產生布局假設，接著是迭代優化步驟來對這些假設進行排序。相比之下，我們采用更直接的方式來描述這個問題，作為估計房間布局關鍵點的有序集合之一。給定了這些有序關鍵點的位置，房間布局和相應的分割就完全清晰了。我們使用RoomNet（端到端可編程編碼器 - 解碼器網絡）預測房間布局關鍵點的位置。在具有挑戰性的基準數據集Hedau和LSUN上，與最近的工作相比，我們實現了最先進的性能以及200倍至600倍的加速。此外，我們提供了RoomNet架構的可選擴展，包括循環計算和內存單元，以在相同的參數容量下細化關鍵點位置。“
他們的研究注重從任何相機都能提供的常規圖像中尋找房間布局。論文解釋了利用相機識別房間布局的關鍵點，然后再用深度神經網絡來識別這些關鍵點，他們提供了十種不同的辦法。
在此前，雷鋒網曾報道過他們曾展示了一個在房間里玩MR鬼故事的游戲，在這款游戲中，你會丟棄傳統的游戲手柄，首先玩起手中的木塊，第一階段的任務就是學會如何使用這些木塊并在 MR 世界中用這些工具完成交互。完成這步后，你的家里就會響起奇怪的聲音，它們會越變越大，你要做的就是去找尋聲音的源頭。對于房間和環境的識別有助于這類MR游戲的實現。
在兩周前，他們還發布了一篇名為“邁向幾何型深度SLAM（點擊下載）”的論文，在這篇論文中我們窺見了一種創新的機器視覺技術，可以帶領公司向創造一個強大的AR頭盔邁進。
這篇論文描述了一個由兩個卷積神經網絡（CNNs）驅動的點追蹤系統，一個被稱為MagicPoint，另一個被稱為Magic Wrap。兩個系統是快速簡潔的，可以很輕松地在單一CPU上以30+FPS的狀態運行。
簡單來說：根據該文件，MagicPoint對單個圖像進行操作，并創建重要的具有跟蹤目的的2D點，這些點將被反饋到即時定位和地圖構建（SLAM）視覺算法。將他們的網絡與經典點檢測器進行比較，團隊發現“在有圖像噪聲時存在顯著性能差距”。因為探測器性能會被噪點破壞，對傳統探測器來說，斑點噪點尤其難以處理。
因為計算移動的物體的形狀并不是一件容易的事情——不管是物體移動還是觀察者移動 - MagicWarp的工作就是使用一對由MagicPoint生成的2D點的圖像來實質地預測運動。MagicWarp SLAM算法以與傳統方式不同的方式進行，因為它僅使用點的位置，而不是更復雜的“本地點描述符”，這是專用于描述包含編碼、獨特標識信息的事物的計算機視覺術語。
使用物理和合成數據進行測試，據說兩個卷積神經網絡能夠實時運行。作者總結說：“我們認為大規模部署以SLAM系統驅動的深度學習Deep-Learning的日子并不遙遠。
Magic Leap昨天通過了一項專利申請，“a compact optical see-through head-mounted display capable of combining, a see-through image path with a virtual image path（一種能夠結合透視圖像路徑與虛擬圖像路徑的緊湊光學透視式頭顯）”，其主要是關于虛擬對象能實際地遮擋真實對象。
雖然我們并不清楚Magic Leap是否會有一個如其CEO Rony Abovitz所稱的“小巧，移動，強大而且很酷”的頭盔，我們都盡力從他們那里去看到任何有用的成果。從這兩篇論文和一項專利開看，雷鋒網發現Magic Leap在環境識別、SLAM上都有了自己的成果，他們若是能實現自己的愿景： “直接將數字內容呈現在你身邊，這些內容不斷可以與用戶進行交互，還能與現實世界互動”，再等三年又何妨。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
