多篇論文和專利，Magic Leap這家神秘公司終于要落地了？

Magic Leap，這家僅憑炫酷的宣傳視頻就獲得14億美元融資的MR創(chuàng)業(yè)公司，依然還沒有公布一款可以體驗的頭盔產(chǎn)品。

The Information、The Verge 等多家國外媒體報道指出，Magic Leap 的宣傳視頻存在誤導(dǎo)大眾的嫌疑，該公司的技術(shù)實際上遠遠沒有形容的那么“先進”。他們雖然展示了可以日常佩戴的MR眼鏡，但事實上卻在將AR 技術(shù)融合到小型化設(shè)備上遭遇瓶頸。

我們都知道，增強現(xiàn)實的關(guān)鍵在于對環(huán)境的感知，所有的AR公司都得先解決這一基本問題。近來雷鋒網(wǎng)發(fā)現(xiàn)從他們發(fā)表的多篇論文來看，“飄在云端”的Magic Leap也和大家一樣在踏踏實實解決基本問題。

RoomNet房間布局估計

8月7日最新一篇論文名為：“RoomNet: End-to-End Room Layout Estimation（點擊下載）”該論文致力于用AI的方法來估算房間的大小和形狀，名為RoomNet。論文總結(jié)表示該論文對于室內(nèi)導(dǎo)航，場景重建和增強現(xiàn)實十分重要。

在論文摘要部分我們看到：“論文聚焦于從單眼RGB圖像估計房間布局，先前的工作將這個問題分成兩個子任務(wù)：地板、墻壁、天花板的語義分割以產(chǎn)生布局假設(shè)，接著是迭代優(yōu)化步驟來對這些假設(shè)進行排序。相比之下，我們采用更直接的方式來描述這個問題，作為估計房間布局關(guān)鍵點的有序集合之一。給定了這些有序關(guān)鍵點的位置，房間布局和相應(yīng)的分割就完全清晰了。我們使用RoomNet（端到端可編程編碼器 - 解碼器網(wǎng)絡(luò)）預(yù)測房間布局關(guān)鍵點的位置。在具有挑戰(zhàn)性的基準數(shù)據(jù)集Hedau和LSUN上，與最近的工作相比，我們實現(xiàn)了最先進的性能以及200倍至600倍的加速。此外，我們提供了RoomNet架構(gòu)的可選擴展，包括循環(huán)計算和內(nèi)存單元，以在相同的參數(shù)容量下細化關(guān)鍵點位置。“

他們的研究注重從任何相機都能提供的常規(guī)圖像中尋找房間布局。論文解釋了利用相機識別房間布局的關(guān)鍵點，然后再用深度神經(jīng)網(wǎng)絡(luò)來識別這些關(guān)鍵點，他們提供了十種不同的辦法。

在此前，雷鋒網(wǎng)曾報道過他們曾展示了一個在房間里玩MR鬼故事的游戲，在這款游戲中，你會丟棄傳統(tǒng)的游戲手柄，首先玩起手中的木塊，第一階段的任務(wù)就是學(xué)會如何使用這些木塊并在 MR 世界中用這些工具完成交互。完成這步后，你的家里就會響起奇怪的聲音，它們會越變越大，你要做的就是去找尋聲音的源頭。對于房間和環(huán)境的識別有助于這類MR游戲的實現(xiàn)。

邁向幾何型深度SLAM

在兩周前，他們還發(fā)布了一篇名為“邁向幾何型深度SLAM（點擊下載）”的論文，在這篇論文中我們窺見了一種創(chuàng)新的機器視覺技術(shù)，可以帶領(lǐng)公司向創(chuàng)造一個強大的AR頭盔邁進。

這篇論文描述了一個由兩個卷積神經(jīng)網(wǎng)絡(luò)（CNNs）驅(qū)動的點追蹤系統(tǒng)，一個被稱為MagicPoint，另一個被稱為Magic Wrap。兩個系統(tǒng)是快速簡潔的，可以很輕松地在單一CPU上以30+FPS的狀態(tài)運行。

簡單來說：根據(jù)該文件，MagicPoint對單個圖像進行操作，并創(chuàng)建重要的具有跟蹤目的的2D點，這些點將被反饋到即時定位和地圖構(gòu)建（SLAM）視覺算法。將他們的網(wǎng)絡(luò)與經(jīng)典點檢測器進行比較，團隊發(fā)現(xiàn)“在有圖像噪聲時存在顯著性能差距”。因為探測器性能會被噪點破壞，對傳統(tǒng)探測器來說，斑點噪點尤其難以處理。

因為計算移動的物體的形狀并不是一件容易的事情——不管是物體移動還是觀察者移動 - MagicWarp的工作就是使用一對由MagicPoint生成的2D點的圖像來實質(zhì)地預(yù)測運動。MagicWarp SLAM算法以與傳統(tǒng)方式不同的方式進行，因為它僅使用點的位置，而不是更復(fù)雜的“本地點描述符”，這是專用于描述包含編碼、獨特標識信息的事物的計算機視覺術(shù)語。

使用物理和合成數(shù)據(jù)進行測試，據(jù)說兩個卷積神經(jīng)網(wǎng)絡(luò)能夠?qū)崟r運行。作者總結(jié)說：“我們認為大規(guī)模部署以SLAM系統(tǒng)驅(qū)動的深度學(xué)習(xí)Deep-Learning的日子并不遙遠。

Magic Leap昨天通過了一項專利申請，“a compact optical see-through head-mounted display capable of combining, a see-through image path with a virtual image path（一種能夠結(jié)合透視圖像路徑與虛擬圖像路徑的緊湊光學(xué)透視式頭顯）”，其主要是關(guān)于虛擬對象能實際地遮擋真實對象。

小結(jié)

雖然我們并不清楚Magic Leap是否會有一個如其CEO Rony Abovitz所稱的“小巧，移動，強大而且很酷”的頭盔，我們都盡力從他們那里去看到任何有用的成果。從這兩篇論文和一項專利開看，雷鋒網(wǎng)(公眾號：雷鋒網(wǎng))發(fā)現(xiàn)Magic Leap在環(huán)境識別、SLAM上都有了自己的成果，他們?nèi)羰悄軐崿F(xiàn)自己的愿景：“直接將數(shù)字內(nèi)容呈現(xiàn)在你身邊，這些內(nèi)容不斷可以與用戶進行交互，還能與現(xiàn)實世界互動”，再等三年又何妨。

Magic Leap，這家僅憑炫酷的宣傳視頻就獲得14億美元融資的MR創(chuàng)業(yè)公司，依然還沒有公布一款可以體驗的頭盔產(chǎn)品。

The Information、The Verge 等多家國外媒體報道指出，Magic Leap 的宣傳視頻存在誤導(dǎo)大眾的嫌疑，該公司的技術(shù)實際上遠遠沒有形容的那么“先進”。他們雖然展示了可以日常佩戴的MR眼鏡，但事實上卻在將AR 技術(shù)融合到小型化設(shè)備上遭遇瓶頸。

我們都知道，增強現(xiàn)實的關(guān)鍵在于對環(huán)境的感知，所有的AR公司都得先解決這一基本問題。近來雷鋒網(wǎng)發(fā)現(xiàn)從他們發(fā)表的多篇論文來看，“飄在云端”的Magic Leap也和大家一樣在踏踏實實解決基本問題。

RoomNet房間布局估計

8月7日最新一篇論文名為：“RoomNet: End-to-End Room Layout Estimation（點擊下載）”該論文致力于用AI的方法來估算房間的大小和形狀，名為RoomNet。論文總結(jié)表示該論文對于室內(nèi)導(dǎo)航，場景重建和增強現(xiàn)實十分重要。

在論文摘要部分我們看到：“論文聚焦于從單眼RGB圖像估計房間布局，先前的工作將這個問題分成兩個子任務(wù)：地板、墻壁、天花板的語義分割以產(chǎn)生布局假設(shè)，接著是迭代優(yōu)化步驟來對這些假設(shè)進行排序。相比之下，我們采用更直接的方式來描述這個問題，作為估計房間布局關(guān)鍵點的有序集合之一。給定了這些有序關(guān)鍵點的位置，房間布局和相應(yīng)的分割就完全清晰了。我們使用RoomNet（端到端可編程編碼器 - 解碼器網(wǎng)絡(luò)）預(yù)測房間布局關(guān)鍵點的位置。在具有挑戰(zhàn)性的基準數(shù)據(jù)集Hedau和LSUN上，與最近的工作相比，我們實現(xiàn)了最先進的性能以及200倍至600倍的加速。此外，我們提供了RoomNet架構(gòu)的可選擴展，包括循環(huán)計算和內(nèi)存單元，以在相同的參數(shù)容量下細化關(guān)鍵點位置。“

他們的研究注重從任何相機都能提供的常規(guī)圖像中尋找房間布局。論文解釋了利用相機識別房間布局的關(guān)鍵點，然后再用深度神經(jīng)網(wǎng)絡(luò)來識別這些關(guān)鍵點，他們提供了十種不同的辦法。

在此前，雷鋒網(wǎng)曾報道過他們曾展示了一個在房間里玩MR鬼故事的游戲，在這款游戲中，你會丟棄傳統(tǒng)的游戲手柄，首先玩起手中的木塊，第一階段的任務(wù)就是學(xué)會如何使用這些木塊并在 MR 世界中用這些工具完成交互。完成這步后，你的家里就會響起奇怪的聲音，它們會越變越大，你要做的就是去找尋聲音的源頭。對于房間和環(huán)境的識別有助于這類MR游戲的實現(xiàn)。

邁向幾何型深度SLAM

在兩周前，他們還發(fā)布了一篇名為“邁向幾何型深度SLAM（點擊下載）”的論文，在這篇論文中我們窺見了一種創(chuàng)新的機器視覺技術(shù)，可以帶領(lǐng)公司向創(chuàng)造一個強大的AR頭盔邁進。

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責(zé)任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。