在AR/VR技術逐漸普及的當下，其中3D模型的使用給我們帶來了許多便利。但是現今3D模型的制作方法還是掌握在專業人士手中，用戶沒有任何切實可行的方式來充分利用AR/VR捕捉并分享他們的真實生活。

在剛過去的五月，Facebook在F8上公布了一項名為3D照片的新功能，通過傾斜手機、就能實現3D視角的變化。

適用于人物、動植物還有風景的拍攝，在室內外和不同光線條件下都可使用。而且只需要一個普通的雙攝像頭智能手機就能夠拍攝，而近兩年的智能手機，有幾家不是雙攝像頭呢？

近日，Facebook公布了該功能的相關論文，那就讓我們一起來看看他們是如何實現的吧。

雙攝本身的存在就是能夠感知景深，從而進行虛化突出中心，比如人物。（此處僅代表實驗所采用的iPhone 7 Plus的長焦攝像頭配置，而這也是大多數廠商的配置），這是因為兩個攝像頭所拍攝到的照片是有差別的，兩者間的差別就能提供深度信息，這與我們人眼能夠獲取深度信息的視網膜差機理一致。

先通過全景拍攝獲取圖像，也可以只是簡單的拍照來獲取圖像。

再通過卷積神經網絡（深度學習）我們就能獲得一個較為明確的深度信息圖像了。

然后將深度信息圖像按照距離分為多層，并用網格表示各個圖像。

再按照不同的深度將各個網格不同程度的撕扯變形，最后再拼接在一起就成為了一個3D照片。

原理上這樣子一個3D照片就處理完成了，但在實際上的過程問題確是不斷出現的。

首先是設備本身的問題，雙攝的基線太短了。基線是指拍攝同一位置的兩個攝像機之間的距離，最先開始是航拍上的概念，在雙攝上我們可以理解為兩個攝像頭之間的距離。

理論上基線越大越有利于深度信息的獲取，短基線會使得測量結果充滿不確定性。同時，在拍攝全景時我們的雙手肯定會進行抖動，即使防抖功能也不能完全消除。拍攝期間的移動和旋轉將會造成誤差。

下圖是iPhone 7plus的深度圖像與其它深度圖的對比。a為iPhone 7plus的深度圖像。

通過他們的全球仿射模型則可以良好的解決這個問題。

將圖a變為圖b，最后再進行拼接就有了圖c了。

同時加上其它的算法，極大的簡化了系統。系統所需要考慮的變量只有用戶拍攝時手機的姿勢，而且降低了短基線所造成的誤差。

另外一個問題還是設備造成的，長焦攝像頭本身視野就相當窄（垂直37°），所以需要捕捉的圖像相較于其他設備也更多，一般場景需要20~200張圖像。研究人員使用自動曝光模式來捕捉更多動態范圍的場景。

接下來的問題就是怎樣把分開的圖像再無縫縫合起來。首先，跟蹤并計算全景的投影中心，然后找到3D點，最大限度的減少圖像之間的距離。

傳統方法的拼接會拉伸圖像，如果不想形成這樣拉伸的三角形，可以選擇不將網格撕得那么大，不過這樣子就會形成空隙。通過算法的改良，研究人得出了一個較為折中的方案，還存在一些拉伸，但減輕了許多。

Facebook的3D照片技術，處理一張照片僅僅只需要不到一分鐘時間。

技術的限制還是很明顯的，就是相機的視野太窄了。如果兩個鏡頭都是廣角鏡頭，只需要捕獲少得多的圖像就能達到相同的效果，但是雙攝是為普通照相而服務的存在，都是廣角鏡頭的手機并不會成為主流。