本文转载于公众号:量子位,ID: QbitAI,作者:十三,如需转载请联系原作者,谢谢!
前不久,AE一个名为Lockdown的插件火了:任你再动再不平坦,图案都能无缝紧贴。

这个黑科技其实就是我们熟知的投影。但不同于以往,这次是动态投影。
投影的画面不需要平整,任画面扭曲、被遮挡,影像都能被完整地打出来。

要想有一个较好的投影体验,那么投出来的影像肯定得是“快、准、狠”。
而这款高速动态投影仪,在延迟3ms的情况下可以投射8位图像,最高可达1000 fps。
这一话题也在Hacker News上火了,热度高达1000+点。

我估计像迪士尼这样的公司会对这个技术非常感兴趣。
我从事实时投影工作很多年了,延迟就是这个工作的杀手,任何大于1000/90ms的延迟都会特别影响效果。这项技术就能允许快速移动。
炫酷黑科技
图像投影到一张纸上,无论让它怎么晃动,图像都会随着纸的变形同步发生变化。

为了展示这个技术的高帧频和低延迟,研究团队还把视频放慢了速度。



什么原理?
视频中展示的黑科技,其实是用红外墨水在目标上绘制了标记。

这就是研究人员提出的可变形点簇标记(Deformable Dot Cluster Marker,DDCM)。
1、即使是在强烈变形的情况下,它也是可以被检测到的;2、即使存在外部或者自遮挡,它也可以实现鲁棒性跟踪;3、它允许毫秒级的计算速度。

△一个DDCM的例子。点簇以数组结构分布。
DDCM由四种类型的点簇组成,它们以数组结构分布。如下图所示。

△点簇的四种类型。m代表点的数量。每个点簇包含1-4个点。
每个点簇中的点都是具有拓扑不变性的,也就是说,在任何变形的情况下都不会发生改变。
点的数量是随机且排他分布的。识别是从p x p点簇(识别窗口)的四个角开始的。
并且为了增强逐帧跟踪的鲁棒性,相邻的点簇,点的数量不会相同。

△无论从哪个角开始识别窗口,都没有相互重合的序列。

△处理流程


△检测流程
a)从二值化图像中提取关键点;b)将a)中所示的位于同一网格中且彼此相邻的关键点视为点集群,红、绿、蓝、黄圆点分别代表m = 1,2,3,4个点簇;c)计算提取的点簇的Delauney三角剖分;d)基于广度优先搜索获得点簇之间的连通性;e)最后根据预先准备的哈希表根据点编号识别每个点簇的ID,红色数字表示已识别的点簇的ID。
跟踪过程是指通过图像序列对每个点簇进行独立、逐帧跟踪。主要包括以下几个流程:

△根据ROI更新跟踪的点簇位置,以红色方块表示。
△基于DDCM的阵数组结构跟踪恢复。
c)False-positive 跟踪检测;d)丢失点簇的插值。
更多打开方式
上面所展示的动态投影还只停留在黑白颜色阶段。接下来的打开方式就更加炫酷了。
随着“3,2,1”的倒计时,衣服突然出现了色泽鲜明、纹理复杂的动态投影,依旧是任你拉扯,我如影随形。


纹理的质感也可以变换,而且随着动作、角度的不同,光感等因素也会随之变换。


One More Thing
但万万没想到的是,这些视频和论文,早在2015、2016的时候就已经公布了。
而在近日Hacker News上发布相关话题,依旧能引发不少的关注,可见其吸睛程度不一般。
传送门
博客地址:http://www.k2.t.u-tokyo.ac.jp/vision/DPM/
视频地址:https://www.youtube.com/watch?v=-bh1MHuA5jU&feature=emb_logo