相信很多朋友都有看到美景就想搬回家的冲动,但是奈何是个手残党,所以总是含蓄的放弃了很多把美景留下来的可能,尤其是现今多数高端安卓和iOS智能手机的内置相机都有了全景模式,可是对于我们这些手残党们来说,全景模式,真的相当有挑战性,要想拍一张好看的全景图,真的难比登天。

Facebook 在过去的一年中开发并上线了多种技术给用户提供更好的全景照片创建和分享体验,包括全景拍照、全景视频防抖,以及重新设计如何存储高分辨率媒体。创建高分辨率全景照片。

 Facebook最近上线了一个新功能,用户可以在一个新的、能够无限滑动的界面里拍摄完整的360度全景照片。

由于全景照片会比一般的照片大很多,Facebook 首先需要解决的难题就是保证信息流里出现了一张全景照片的时候也能让用户流畅地在界面中拖拉滑动;同时,当用户停止滑动,移动手机或者转动手机看这张全景照片的时候,也能立即把全分辨率的照片加载出来。在屏幕立即上呈现全分辨率的照片或占用很多内存,所以当用户继续滑动页面往下看的时候,又会给加载新的内容带来延迟。

当用户在信息流里刷到一张全景照片的时候,程序就会计算当前窗口渲染时需要哪种分辨率、以及用哪些小图像来拼贴成大图。如果当前需要的分辨率不可用,程序就会暂时渲染一个低分辨率的样子,同时等待网络把高分辨率的内容传过来。当用户进入全景照片移动手机和在屏幕上缩放观看的时候,程序会不停地做这样的全套计算。这样,原来的用户体验上不会有什么可感知的变化,却实现了千万甚至上亿像素的高分辨率全景图像显示。

让人觉得全景照片不够真实的最常见的原因之一就是拍照的时候相机没有端平,然后最终的照片中也没有修复过来这些倾斜。

对于传统的照片,用照片编辑软件修正这种倾斜是一件简单直接的事情,但是能够用于全景照片的这类工具并不多,而且修正球面上的倾斜旋转相当不直观。

为了解决这个问题,Facebook 的研究人员们使用了著名的深度神经网络架构 AlexNet,并对它做了一些相应的修改。同时在图像标签更新以后,可以对模型做新一轮训练。模型一共经历了四轮训练和微调。在微调过程的最后,模型对全景照片算出的旋转值误差达到了0.1度的水平。每个阶段的训练都是从一个未经初始化的模型开始的,在另一项对抗测试中,模型也表现出了类似的收敛和误差值水平。模型的收敛表现足以让研究人员们得出结论:这样的“训练 - 微调”循环确实让模型学到了理想的旋转方程。

Facebook 的照片、视频、直播产品中都已经可以使用全景媒体。在这个过程中,具有沉浸感的内容也会带来一些特有的问题。

(下载iPhone或Android应用“经理人分享”,一个只为职业精英人群提供优质知识服务的分享平台。不做单纯的资讯推送,致力于成为你的私人智库。)