BBC研发团队分享如何创建可捕获、编辑和渲染的光场系统原型

　　BBC研发团队创建了一个可以捕获、编辑和渲染光场的系统，而成品可以用作逼真的虚拟现实背景，甚至是虚拟电视制作。相关光场易于捕获，只需少量的处理，并且与广播行业建立的工具和工作流程兼容。

　　日前，BBC的弗洛里安·施威格(Florian Schweiger)撰文介绍了所述系统。下面是映维网的具体整理：

　　1. 什么是光场?

　　光场是密集的光线集合，你可以从中重建任意视图。与只捕获进入单个点的光线的360度全景不同，光场包含大量在空间中传播的光线。360度全景只允许你转动头部(三个自由度)来环视周遭，但除了camera所在的确切位置之外，你不能行走移动。这种感觉就像是身体卡在一个固定的地方，你只能活动头部。

　　然而，光场能够提供六个自由度，允许你看到依赖于视图的细节，包括视差、反射和遮挡。在虚拟现实中，这种额外的自由度会令一切都变得不同。

　　通常，光场是由一个密集的摄像头阵列所捕获。其中，一系列的摄像头将布置在一个平面并都指向同一个方向。或者等效地，在一台摄像机前面有一个透镜阵列，并将图像分割成多个视图。

　　然后，平面阵列充当一个虚拟窗口。透过这个窗口，可以通过在实际捕获的光线之间重新组合和插值来查看场景。

　　只要镜头足够紧密地排列在一起，就可以从源数据中插入穿过所述窗口的任意光线。

　　2. 单摄像头光场

　　为了实现一个更简单、符合既定广播工作流程的系统，BBC团队采用了一种稍有不同的方法：用一台摄像机捕获光场。当然，他们使用的是360度摄像机，所以涉及多个摄像头，但记录的全景图像都来自一个视点，只是它们恰好有一个更大的视场。

　　如图所示，这是一个机动式装置，它可以将摄像机缓慢地绕水平圆移动。一次完整的旋转需要30秒。在这一期间，团队以每秒60帧的速度录制曝光锁定的视频。产生的数据集包含1800帧，即每度5帧。圆的典型直径为1米，这意味着可以有效地捕获相距不到2毫米的视图。然后从这组密集的源视图中，研究人员可以在圈内的任何位置合成虚拟camera位置的视图。

　　当然，这个简单的设置存在一定的取舍。最明显的限制是，由于摄像机移动，场景本身必须完全静止。否则，伪影将出现在由不一致数据合成的视图中。尽管这排除了特定用例，但对于为虚拟现实创建背景并用动画角色填充的目的来说，这很少是一个问题。实际上，有一种方法可以处理有限的背景运动(在下面描述)。

　　与六自由度完整光场的另一个区别是，BBC的源视图阵列仅为一维。所有捕获的视点都位于一条线上(尽管这条线是弯的，因为是圆)，但数据集中没有任何视点覆盖垂直方向。所以，用户只有五个真正的自由度：头部三个，在圆内移动两个(缺少上下)。但上下移动时，你不会像在现实生活中那样感知到垂直视差。这通常是可以接受的，因为由于我们眼睛的相对位置，水平视差对人类立体视觉更为重要。另外，如果你仔细思考，在大多数日常情况下(尤其是在坐姿VR体验中)，以及在电视制作中，人类的主要运动方向通常是水平。

　　不过，缺少垂直视差会导致渲染视图中的对象显示在稍微不正确的高度。当用户向前移动时，这一点变得最为明显，因为你将理所当然地期望近距离对象比远距离对象更高。但如果没有垂直视差，所有对象的高度都将以相同的速率变化，而与它们在场景中的深度无关，这会导致直线明显弯曲。下面将介绍更多关于这种深度相关的垂直扭曲，以及如何在瞬间缓解它们。

　　3. 处理和渲染

　　从捕获的全景视频中，只需几个简单的处理步骤即可获得直接用于渲染的光场数据集。

　　第一步是调整视频，使其包含一个完整的旋转。这是通过最小化开始帧和结束帧之间的像素差来实现。接下来，将全景视频重新采样为更有效的格式。团队使用的立方体映射表示只包含渲染所需的立方体面：向上，(径向)向外和向下。

　　BBC已经在Unity游戏引擎中将渲染器实现为一组可以应用于曲面的着色器材质，然后曲面可以显示捕获场景的光场。在最简单的情况下，这个曲面是一个大型球体的内部，而光场则投射到球体(实际上假设场景深度恒定)。尽管这会产生包含视图相关效果的相干图像，但前面提到的垂直视差的缺乏会导致扭曲。这种扭曲会随着场景对象的深度而变化。摄像机附近的对象最为明显，你可以注意到它会出现桶形变形，例如人行道和酒吧窗户上方的檐口。当虚拟camera移向附近的对象时，这一点会变得尤为明显。

　　为了减轻这种不必要的影响，团队在Unity编辑器中手动添加一个粗略的3D模型，并将光场材质应用于它。这个代理几何体的目的不是捕获环境的细节，而是将较近的结构(如建筑物)与背景区分开来。它同时允许前景对象(例如动画角色)与背景光场交互。在实践中，一个地平面和几个基本体(例如长方体或平面)代表主导结构就已经足够。

　　渲染过程非常简单，只需从源视图中查找正确的光线即可。对于需要在虚拟camera中渲染的每个像素(如下图蓝色所示)，团队选择位于相应光线方向的源视图(橙色)。场景深度确定要在所选源视图中采样的垂直像素位置。

　　请注意虚拟光线和源光线之间的角度。这意味着，即便代理几何体的深度相当不准确(实际上在几厘米以内)，采样位置都不会发生太大变化。

　　4. 额外的功能：光场编辑

　　由于系统中的源数据是传统的视频，任何图像或视频处理技术都可以用来改变光场的外观。这包括相对简单的修改，例如colour grading或gamma correction，以及更复杂的操作，比方说通过rotoscoping来隐藏缺陷，甚至是添加场景元素。BBC系统的主要优点是，处理过程可以离线进行。下面的示例说明了应用于源视频的 Neural Style Transfer是如何完全改变渲染场景的外观，并同时保留所有与视图相关的效果，例如反射、遮挡和视差。仅使用视频表示的另一个优点是，可以利用现代视频编码器的高压缩比，从而大大减少必须交付给最终用户的数据量。

　　5. 特定的动态场景

　　上面提到，为了防止伪影，BBC的系统通常需要静态场景。但只要满足以下条件，它依然可以支持特定类型的背景运动：背景运动可以周期性地重复。 在完整的捕获旋转过程中，动态对象保持在(立方体贴图视频的)视图之中。 动态对象可以用平面近似。

　　可以周期性地重复而不引起怀疑的示例包括人来车往、风中摇摆的树木或流水等等。这种循环既可以是单向(例如汽车一次又一次地驶过);又可以是来回往返的、像溜溜球一样的模式，从而避免不连续性(例如风吹的树梢)。

　　当动态对象为平面时(例如电视屏幕或河流表面)，或者当它在背景中的距离足够远，可以被平面足够精确地近似时，动态对象可以从捕获过程中看到它的每个源视图扭曲到虚拟camera的视图中。

　　在Unity实现中，团队为动态对象指定了一个恰好满足的着色器材质：根据捕获动态对象的时间对源视图进行采样，而不是像静态场景部分那样对空间上最近的对象进行采样(如上面的处理和渲染中所述)。

　　6. 下一步

　　BBC的光场系统目前只是一个原型。它采用标准游戏PC硬件，可以产生适合虚拟现实应用的输出分辨率。

　　虚拟电视制作的要求非常不同。尽管分辨率必须大大高于广播标准，并且摄像机的运动范围需要大于坐姿VR体验，但在电视演播室设置中，浏览方向的范围通常更为有限。

　　对于这一点，BBC系统的解决方案包括增加捕获圈的半径，降低捕获速度(以保持密集的源视图间距)，同时将捕获范围限制在最终将面对摄影棚和朝向场景的捕获圈部分。一种更灵活但更复杂的方法是使用完整的六自由度光场。随着神经渲染技术的最新进展，源摄像机之间的间距可以显著增加，从而满足运动范围和浏览方向的要求，无需不牺牲视觉质量。