量子視覺張聰：VR+行業(yè)還不成立，市場需要專注底層技術(shù)的創(chuàng)業(yè)公司

雷鋒網(wǎng)「新智造」按：雷鋒網(wǎng)正在啟動(dòng)“新智造成長榜2017”評選活動(dòng)，我們將對人工智能與機(jī)器人行業(yè)進(jìn)行大規(guī)模報(bào)道、梳理和調(diào)研，并聯(lián)合數(shù)十家著名投資機(jī)構(gòu)根據(jù)這些創(chuàng)新公司的技術(shù)實(shí)力、商業(yè)能力和成長性進(jìn)行深度評選，最終從多個(gè)領(lǐng)域分別選出一些極具潛力成長性的創(chuàng)新公司。本文為雷鋒網(wǎng)「新智造」對一家VR創(chuàng)業(yè)公司的報(bào)道，報(bào)道對象為量子視覺，講述其如何創(chuàng)造性地使用深度學(xué)習(xí)改進(jìn)圖像拼接，并開發(fā)出一體化的VR攝影機(jī)。如果你想?yún)⑴c我們的評選，可點(diǎn)擊「報(bào)名」鏈接，或通過郵箱xinzhizao@leiphone.com聯(lián)系我們！

從2014年Facebook收購Oculus，到2016年下半年資本冷遇，VR熱潮如煙花般絢爛而短暫。在這樣的一個(gè)時(shí)期，一家VR創(chuàng)業(yè)公司的發(fā)布會(huì)就顯得非?？少F，尤其是這家公司發(fā)布的是一款貨真價(jià)實(shí)的高端硬件：20目攝像頭，可以拍攝10K、360度3D視頻的VR攝像機(jī)，售價(jià)98000元。

這款叫AURA的VR攝影機(jī)出自量子視覺，一家由三個(gè)計(jì)算機(jī)博士組建的公司，把學(xué)到的技術(shù)應(yīng)用到行業(yè)中的具體需求的想法，讓他們?nèi)齻€(gè)走到了一起。

日前，量子視覺CEO張聰接受了雷鋒網(wǎng)新智造的采訪。在他看來，過去兩年，資本和創(chuàng)業(yè)者對VR的熱情，很大程度上源于過去一貫的成功經(jīng)驗(yàn)：在某個(gè)行業(yè)里有深厚資源的人，往往會(huì)第一時(shí)間講新出現(xiàn)的技術(shù)加以應(yīng)用，集合自己的行業(yè)，就能產(chǎn)生巨大的價(jià)值。但這個(gè)邏輯目前無法在VR成形的原因是，從底層技術(shù)上來說，VR的很多方面都還是缺失的。張聰向雷鋒網(wǎng)新智造介紹了AURA背后的技術(shù)積累，以及量子視覺的創(chuàng)業(yè)故事。

從計(jì)算機(jī)視覺博士到VR創(chuàng)業(yè)者

在上海交通大學(xué)讀博士期間，張聰以研究助理（RA）的身份去了香港中文大學(xué)，師從王曉剛教授和湯曉鷗教授，兩位在華人世界里最權(quán)威的圖像識別研究者。

張聰說，研究圖像，是讓他開心的事情。數(shù)學(xué)、物理領(lǐng)域推公式、證明效率更高的研究不同，直觀的圖像是能讓張聰興奮起來的東西。所以，本科學(xué)習(xí)電子工程，博士他就轉(zhuǎn)去做計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí)了。

2012年，多倫多大學(xué)計(jì)算機(jī)系教授Geoffrey Hinton的學(xué)生用老師在6年前提出的Deep Learning理論，參加計(jì)算機(jī)視覺最知名的比賽ImageNet并拿下冠軍。自此開始，深度學(xué)習(xí)開始成為計(jì)算機(jī)視覺的通行研究方法，香港中文大學(xué)就是最早一批轉(zhuǎn)到新方法的機(jī)構(gòu)。張聰說，用深度學(xué)習(xí)處理計(jì)算機(jī)視覺的問題，很多領(lǐng)域的第一篇論文就出自他所在的實(shí)驗(yàn)室。

但畢業(yè)后，張聰并沒有去做計(jì)算機(jī)視覺相關(guān)的工作。他的理由和當(dāng)初選圖像作為研究方向如出一轍：VR這種更直觀的體驗(yàn)，帶來的興奮度是遠(yuǎn)遠(yuǎn)超過圖片的。

他還有個(gè)“私心”，如果去做計(jì)算機(jī)視覺，和香港中文大學(xué)淵源頗深的商湯科技是最好的選擇，實(shí)際上他也完全有機(jī)會(huì)進(jìn)去，“但商湯里100多個(gè)博士，你進(jìn)去了又能怎樣呢？”

30歲前一直待在學(xué)校、實(shí)驗(yàn)室，張聰想讓自己學(xué)到的技術(shù)能給這個(gè)世界帶來一點(diǎn)東西，甚至創(chuàng)造商業(yè)財(cái)富，在這個(gè)過程中，個(gè)人價(jià)值也能得到最大的實(shí)現(xiàn)。

2015年5月，運(yùn)動(dòng)相機(jī)制造商GoPro宣布收購專注于全景圖像拼接的法國創(chuàng)業(yè)公司Kolor，這讓張聰找到了靈感。將圖片和視頻拼接成全景圖像，是VR的第一步，從這次并購來看，市場對拼接軟件是有需求的。

張聰堅(jiān)信VR是朝陽產(chǎn)業(yè)，而且是他和兩個(gè)合伙人，也是同一個(gè)實(shí)驗(yàn)室的韓慶龍和黃之燊能夠?qū)⒆约核鶎W(xué)應(yīng)用進(jìn)來的領(lǐng)域。三個(gè)人，韓慶龍研究方向是視頻編碼和圖像處理，黃之燊主攻深度圖像解析和圖形變換，張聰?shù)拈L項(xiàng)是深度學(xué)習(xí)。于是，圖像拼接成了他們創(chuàng)業(yè)的方向。

“其實(shí)我們的機(jī)會(huì)成本挺高的，如果我們現(xiàn)在去找AI的工作，七、八十萬的年薪總是逃不掉的?！?/p>

升級拼接：把“抹平”拼縫改進(jìn)為像素級匹配

量子視覺把圖像拼接作為創(chuàng)業(yè)的第一步，來自他的團(tuán)隊(duì)的底氣。Kolor被收購后，他們也試著開發(fā)了拼接軟件，并用幾臺小蟻相機(jī)搭建了全景相機(jī)，拍完照片一看，“效果已經(jīng)比Kolor好了”。

張聰告訴雷鋒網(wǎng)新智造，背后的秘密來自算法的升級。圖像拼接要處理的一個(gè)很重要的問題是“抹平”拼縫，通俗來講，將圖像拼接起來，進(jìn)行畸變校正后，兩個(gè)圖像的拼接處因?yàn)榛叶鹊募?xì)微差別等原因，會(huì)產(chǎn)生“拼接縫”。為了讓拼接更完美，就需要抹平這些縫隙。

Kolor使用的是一種很經(jīng)典的拼接算法，基于一些特征點(diǎn)做校正和變換，然后使用Multi-Band的方式，讓圖像拼接處平滑地過渡。這種算法在八十年代就已經(jīng)被提出，因?yàn)槟芗骖櫰纯p附近的局域細(xì)節(jié)和大尺度上兩張圖片的宏觀特征（如光照）而被廣泛采用。

量子視覺則改用了一種新的算法，原理上是將兩個(gè)拼接的圖像進(jìn)行像素級的匹配，這樣就不存在縫隙的問題，圖像拼接效果也更完美。匹配像素的過程在學(xué)術(shù)里就是光流的問題，所以，這一套方法也被稱為光流法拼接。

光流法拼接的另一個(gè)好處是可以實(shí)現(xiàn)更好的3D效果。過去，要拍攝有3D效果的全景視頻，需要幾組平行的雙目攝像頭，通過左右兩個(gè)畫面的視差產(chǎn)生3D效果。但這種方法的問題是只有攝像頭正對的畫面3D效果是比較好的。光流法則是基于點(diǎn)云計(jì)算出來深度信息，從而實(shí)現(xiàn)每個(gè)角度都有的3D效果。這個(gè)過程設(shè)計(jì)基于估計(jì)的深度和重建，要用到深度學(xué)習(xí)技術(shù)，這正是張聰?shù)膹?qiáng)項(xiàng)。

在找松禾資本和IDG融資時(shí)，量子視覺已經(jīng)在使用光流拼接法。張聰說，投資人是看不懂這種方法的，但可以明顯感受到拼接的圖像質(zhì)量更高。

2016年4月的F8大會(huì)上，F(xiàn)acebook發(fā)布了360度3D全景相機(jī)Surround 360，并開源了硬件設(shè)計(jì)和拼接算法。張聰發(fā)現(xiàn)，擁有最多的權(quán)威VR專家的Facebook，使用的也是光流法拼接，F(xiàn)acebook使用的框架也和量子視覺有很多相似的地方。

（Facebook的Surround 360）

Facebook開源，意味著所有人都可以使用這種方法去做圖像拼接，這當(dāng)然引起了量子視覺的擔(dān)心。不過仔細(xì)研究，張聰更多的是踏實(shí)，一方面，是和權(quán)威專家的不約而同帶來的學(xué)術(shù)認(rèn)同感；另一方面，F(xiàn)acebook的實(shí)際拍攝經(jīng)驗(yàn)并不多，它的方案更多的是提供了一個(gè)通用的、開源的，能夠引導(dǎo)大家的算法，在真正的生產(chǎn)和內(nèi)容制作環(huán)節(jié)，F(xiàn)acebook的方案中的一些模塊是有問題的。

“我們有這種原發(fā)的能力，可以基于我們的相機(jī)和實(shí)際情況進(jìn)行調(diào)整。算法依舊有一個(gè)很大的改進(jìn)空間。”

Aura：可以拍10K 、360度3D視頻的專業(yè)級VR攝影機(jī)

拿到第一輪融資后，張聰就升級了用小蟻相機(jī)搭建的全景相機(jī)，改用了4個(gè)索尼α7以及20個(gè)GoPro組成的方案。他告訴雷鋒網(wǎng)新智造，進(jìn)行圖像拼接時(shí)，除了算法，硬件的排布也非常重要，所以，他們的研發(fā)，就是不斷迭代算法，改進(jìn)硬件排布，兩邊不斷相互迭代的過程。

方案做好后，量子視覺要去市場試水。他們最有名的作品，是拍攝黃曉明的新劇《萬水千山總是情》的VR宣傳片，以及張楚的第一只全景MV《晃動(dòng)一下》。張聰還透露了VR視頻制作的“潛規(guī)則”：不少團(tuán)隊(duì)號稱可以制作VR視頻，但他們接活兒后會(huì)再找有能力的外包?！包S曉明的片子，到我們已經(jīng)是第六道了?！?/p>

（《萬水千山總是情》VR宣傳片）

視頻的效果還不錯(cuò)，但拍攝的過程讓張聰堅(jiān)定了自己做一款VR攝影機(jī)的念頭。使用單反或者GoPro拼接的方案，最大的問題是操作太麻煩了，每個(gè)相機(jī)的參數(shù)，包括同步、存儲(chǔ)，甚至是拍攝完成后將素材拷貝下來，都是一個(gè)繁瑣務(wù)必的過程，“你要把SD卡一個(gè)一個(gè)拔下來，拷貝素材，再放到軟件里拼接。”這樣的方案，也根本無法給任何第三方使用。

從2016年3月份開始，量子視覺就開始了研發(fā)一體化VR攝影機(jī)的進(jìn)程。把多個(gè)攝像頭通過特定的排布方式集中到一個(gè)球形上，同時(shí)要考慮散熱、結(jié)構(gòu)、電池續(xù)航和量產(chǎn)，每個(gè)環(huán)節(jié)都是“坑”。不過，深圳是硬件創(chuàng)業(yè)者的天堂，而且，早在有這個(gè)念頭之前，量子視覺就招募了前火樂科技研發(fā)總監(jiān)曾作為，堅(jiān)果G1智能家庭影院、堅(jiān)果P1便攜智能投影等暢銷產(chǎn)品，就出自他手。

2016年十一期間，量子視覺就做出了直徑20厘米，排球大小，有著20目攝像頭的全景攝影機(jī)，并和暴風(fēng)體育合作，用在中國網(wǎng)球公開賽的VR直播中。此后，經(jīng)過再次迭代以及配套軟件的開發(fā)，量子視覺在今年3月21日正式發(fā)布了這款相機(jī)——AURA專業(yè)級VR攝影機(jī)。

AURA由20枚鏡頭組成，水平方向?yàn)?6枚視場角90度的廣角鏡頭，頂端和底部則為4個(gè)視場角為190度的魚眼鏡頭，可連續(xù)拍攝1個(gè)小時(shí)，使用外部供電方案則可以實(shí)現(xiàn)長達(dá)10小時(shí)的連續(xù)拍攝。AURA可以支持目前主流的 H.264、H.265 視頻編碼標(biāo)準(zhǔn)，最大可以輸出25fps的10K 3D影像、60fps的10K 2D影像以及120fps的6K 2D影像。它還可以進(jìn)行VR直播，實(shí)時(shí)輸出6K、30fps的3D VR直播畫面，并通過RTSP協(xié)議進(jìn)行有線或無線實(shí)時(shí)監(jiān)看。

AURA還有配套的實(shí)時(shí)監(jiān)控軟件AURA WORK和后期制作軟件AURA STUDIO，可以實(shí)現(xiàn)實(shí)時(shí)監(jiān)看，以及一鍵快速素材導(dǎo)出、拼接、剪輯等，大大提高了高質(zhì)量VR視頻的制作效率。

“我自己也覺得，我們公司的模式很重，又要做硬件又要做軟件，但這是因?yàn)檎麄€(gè)生態(tài)鏈不成熟。我們堅(jiān)持做下來，反而會(huì)成為壁壘?！?/p>

VR+行業(yè)還不成立，市場需要有專注底層技術(shù)的創(chuàng)業(yè)公司

現(xiàn)在，VR遇冷在張聰看來并不奇怪。去年VR被資本熱捧的原因很簡單，大家默認(rèn)VR是一個(gè)成熟的東西，和各個(gè)行業(yè)結(jié)合，就可以產(chǎn)生巨大的價(jià)值。

不過現(xiàn)在來看，這個(gè)邏輯并不成立。其中最大的問題是在根本的底層技術(shù)上，VR的很多方面都是缺失的，整個(gè)生態(tài)鏈還處于非常不成熟的階段。以VR直播為例，在直播時(shí)，需要有實(shí)時(shí)拼接能力和推流能力的高清攝影方案，但同時(shí)，網(wǎng)絡(luò)的上行帶寬、CDN分發(fā)以及用戶的接收端，都還存在很大的問題。

因?yàn)楦叨嗽O(shè)備價(jià)格昂貴，加上VR內(nèi)容，尤其是VR視頻體驗(yàn)糟糕，C端市場的缺失是VR行業(yè)面臨的有一個(gè)大問題。現(xiàn)在，已經(jīng)很少再有明星嘗試VR版的視頻內(nèi)容。

在這樣的情況下，更需要有專注底層技術(shù)的創(chuàng)業(yè)公司，這也是量子視覺推出可以拍攝10K視頻的VR攝影機(jī)的原因。通常來說，人眼的視角區(qū)域不到70度。在360度的全景視頻，需要10K的分辨率，才能在人眼所視范圍內(nèi)，達(dá)到每只眼4K的觀看效果。

“我最開始創(chuàng)業(yè)的時(shí)候，就沒覺得VR會(huì)很快火起來，因?yàn)槲耶?dāng)時(shí)看大家做的東西都一塌糊涂?！睆埪敯堰@個(gè)看做技術(shù)創(chuàng)業(yè)者最好的機(jī)會(huì)，而將技術(shù)壁壘快速轉(zhuǎn)化為商業(yè)壁壘后，有造血能力的VR公司會(huì)在一兩年內(nèi)迎來春天。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。