繁
近日，索尼互动娱乐（SIE）宣布完成对英国机器学习与计算机视觉公司CinemersiveLabs的收购。这家成立于2022年的初创团队，将并入SIE视觉计算部门，为下一代游戏的视觉表现力注入新的技术变量。从智能手机到6DoF：用AI重构空间影像CinemersiveLabs的核心技术在于将普通二维影像转化为六自由度（6DoF）的沉浸式3D内容。根据其公开资料显示，该公司拥有一套正在申请专利的技术体系，涵盖图像的采集、转换、处理、存储及传输全流程，专门针对VR和AR应用场景设计。在被收购前，CinemersiveLabs已经展示了相当成熟的产品形态：专业级采集：一套经过亚像素级校准的五摄像头阵列，用于捕捉高质量的体积视频；消费级方案：基于生成式AI的单目采集方法，允许用户仅凭智能手机拍摄的单张照片，就能生成具备6DoF交互能力的3D照片和视频。其推出的"Parallax"产品以及配套App，已经实现了在MetaQuest、AppleVisionPro以及Web端的多平台分发。这意味着，索尼看中的不仅是其硬件方案，更是其低成本、高效率的空间内容生成算法。并入VCG：为PS生态解锁更高保真体验随着交易在四月份完成，CinemersiveLabs团队已正式加入SIE的视觉计算小组。SIE明确表示，此举旨在利用机器学习技术来增强游戏画面的视觉效果、改进渲染技术，并为玩家解锁"新级别的视觉保真度"。结合CinemersiveLabs的技术储备，这或许预示着未来的PlayStation生态中，玩家不仅能享受更高画质的传统游戏，还可能通过AI驱动的方式，将现实世界的物体或场景以极低门槛转化为游戏内的3D资产，从而带来更丰富的沉浸式体验。
Apple机器学习研究团队近日公开了一项名为SHARP（Single-imageHolisticAndRealisticPhotorealism）的全新3D合成技术。该方法仅需一张普通照片，即可在不到一秒的时间内生成具备真实感的3D场景，并支持实时渲染--为单图像3D重建领域树立了新的性能与质量标杆。秒级推理+实时渲染，效率提升千倍SHARP的核心技术在于，通过一个端到端的神经网络，直接从单张输入图像中预测出3D高斯表示（3DGaussianrepresentation）的完整参数。整个过程仅需一次前向推理，在标准GPU上耗时不足1秒。相较于此前最先进的方法，SHARP将3D生成所需时间缩短至千分之一。更关键的是，所生成的3D模型可在消费级GPU上实现每秒超100帧的渲染速度，同时输出高分辨率、照片级真实的邻近视角图像。基于物理尺度，实现精准视角控制不同于多数仅关注视觉效果的3D重建方案，SHARP生成的3D表示建立在以米为单位的绝对尺度之上。这意味着用户在虚拟环境中移动视角时，其位移量能与现实世界中的相机运动精确对应，极大提升了交互的真实感与可用性。研究团队在包括Unsplash、ETH3D和Middlebury在内的多个公开数据集上进行了广泛测试，验证了SHARP在不同场景、光照和内容类型下的高泛化能力与鲁棒性。画质指标全面领先，细节还原能力突出在客观画质评估方面，SHARP表现同样亮眼：在LPIPS感知相似度指标上，相较当前最优模型提升25%–34%；在DISTS图像失真度量上，误差降低21%–43%。更重要的是，该方法能在保持几何结构完整性的同时，精准还原输入图像中的细微纹理与锐利边缘，使合成结果在视觉上几乎难以与原始照片区分。目前，相关论文已在arXiv公开，项目代码也已开源至GitHub。Apple研究团队表示，SHARP有望成为单图像高质量3D生成的新标准，为AR、内容创作、机器人视觉等领域带来深远影响。Apple Github：https://apple.github.io/ml-sharp/
