AI 看見野外：從照片重建動物的三維世界

三維重建（3D reconstruction）在這幾年於人工智慧與電腦視覺領域成為熱門話題，而「重建動物的三維形態與動作」更是其中具挑戰性的一項任務。其目標是從一般的相機拍攝影像或影片中，推算出動物真實的三維外型、姿勢以及動態變化。這樣的技術不僅能應用在娛樂產業、虛擬實境（VR/AR）、電影動畫等內容創作上，也對野生動物的保育、畜牧管理以及生物學研究都有重要價值。想像一下，藉由攝影機重現牠們的體態與動作，就能讓我們在不打擾動物的情況下，獲得許多額外有用的資訊。

傳統上，研究人員若想取得真實動物的 3D 模型，必須使用雷射掃描或多視角攝影等方式，這些方法不但昂貴、流程複雜，還要求動物保持靜止，幾乎不可能在自然環境中進行。不過，深度學習（deep learning）的出現改變了一切。在近幾年，許多研究團隊成功利用類神經網路（neural networks）直接從一般 RGB 影像或影片中推算三維形狀，讓動物重建變得非侵入式又更靈活。

然而這項技術仍面臨不少難題，動物不像人類，牠們有著高度的多樣性與不穩定性。不同物種之間的體型與身形差距極大，即使是同一物種，不同品種、年齡或體態也有顯著差異。此外，動物不會乖乖配合拍攝，牠們不斷移動、轉身甚至遮住自己身體的一部分。再加上毛皮、羽毛、肌肉變化、光線干擾等因素，都讓影像重建變得十分困難。更棘手的是，目前幾乎沒有足夠的動物 3D 資料可供深度模型訓練使用。這使得研究人員必須發展弱監督學習（weakly supervised learning）甚至無監督學習（unsupervised learning）方法，讓 AI 能從普通影像中自行推斷形狀與姿態。

要讀取更多嗎？

訂閱 thesoundofevolution.com 持續閱讀此專屬文章。

立即訂閱