祖克柏「元宇宙」真的未來可期嗎？專家告訴你，為何科技巨頭投入AR、VR都不見起色

這幾天最大最熱門的一件事之一就是FB改名成Meta，首先改名這件事說明了Mark Zuckerberg對元宇宙投入的決心和野心，相信不少朋友都知道FB花了不少心力投入在旗下的FB Reality Lab (AR/VR實驗室)上，曾經紅極一時的HTC Vive和Sony PSVR感覺還歷歷在目，而且許多大老更是常在演講裡提到AR/VR相關應用，但似乎這麼多巨頭相繼投入AR/VR這個產業，卻不見其有所起色，前兩篇文章介紹了VR的一些成像原理，這篇就延續前兩篇，從阿財的觀點出發，帶大家了解目前VR的狀況。（這篇主要講VR以後會有AR系列大家別緊張）

我相信許多人可能對VR不太看好，認為是炒作大於實際應用，大家有這個既定的印象其實也不意外，因為VR目前除了娛樂方面和少量的工業和醫療等應用外，幾乎日常生活中不是很必要，有些人會歸咎於VR沒有殺手級的應用，簡單來說VR目前對大多數人來說就是非必要且可替代的一種娛樂裝置。

但其實VR在色情行業的發展其實不算太差，VRAV的發展非常迅速，可以讓大家投身其中當一回男主角，但為何這個產業有吸引力？主要是因為可以戴上VR眼鏡之後，可以有一個飛躍性的體驗，這是手機、平板或電腦沒有辦法達到的體驗，想像一下2D的模特經過VR變成3D在大家面前彷彿身歷其境…

儘管VR目前有影像品質和頭暈等問題，但對許多人來說可以將自己心儀的模特從平面變成立體，犧牲一些品質也是沒問題的，那為什麼其他領域沒辦法複製？我們撇除工業或是醫療等應用，就單純講遊戲產業，為什麼VR沒辦法普及像PS5、XBOX360甚至是電腦遊戲？VR沒有好到讓大家願意花錢去購買這種升級的體驗！

我這邊從軟體和硬體兩個方面來講講VR目前發展到哪，並且遇到什麼問題～ 我區分成軟體問題和硬體問題，當然VR還有我前面文章所提到的會頭暈的問題，但這篇文章我們就從軟體(算法)的角度來解析一下怎麼樣能夠製造一個真實的虛擬場景，這邊講的軟體是以算法為主，硬體上是需要搭配GPU、NPU或TPU等。

首先我相信大家都知道近年來機器學習（深度學習）非常熱門，大家三不五時都可以在報章雜誌上看到AI打敗人類或是AI又有怎樣的突破，那AI能夠創造出一個極真實的虛擬場景嗎？阿財的答案是：快了！

今年4月Nvidia GTC的Keynote上CEO黃仁勳介紹了一系列的產品，但其中有半分鐘左右的片段是虛擬的黃仁勳(對！不是整段都是虛擬的！)，而這場發布會在YouTube上有幾百萬人觀看，卻鮮少有人發現這個假的老黃，下面這個影片大家可以看看老黃團隊是怎麼樣造出一個假的老黃。 （相關報導： 元宇宙Metaverse是什麼？戴上VR頭盔，進入虛擬世界…揭臉書、微軟爭相投入的背後原因 ｜ 更多文章 ）

我們都知道Nvidia近年來一直在深度學習領域不斷努力，尤其在3D建模渲染領域可謂是下足了功夫，此次的虛擬老黃就是有搭載Nvidia推出的omniverse搭配許多動畫師將場景的各種物件做3D建模，最後才有如此驚豔的效果。

這裡就想先讓大家思考一下，怎麼樣的場景才夠真實？

大家常常聽到的電影CG特效，為何CG特效會如此逼真？CG是Computer Graphics的縮寫，大家看過的<復仇者聯盟>、<環太平洋>等好萊塢爽片都有用到CG特效，CG特效包含建模、動畫和渲染等等，CG特效是由特效師一幀一幀的精雕細琢出來的結果，沒錯是一幀一幀不是一秒一秒，通常電影一秒有24幀，也就是一秒包含24張照片，所以我們可能有聽說過電影特效一秒要渲染一天甚至數天的情況，而其逼真的原因之一來自於光線追蹤（Ray-Tracing）。

前面我有讓大家思考，怎麼樣的場景夠真實，我們現實世界中，光是不可或缺的，沒有光我們就無法看見物體，所以光線的軌跡是決定我們怎麼看世界的方程式，今天光被物體遮擋會有影子、光打到各種物體都會產生不同程度的反射、光經過狹縫(微小顆粒)會有繞射現象，這些複雜的光線組成了我們萬千的世界，所以虛擬的場景要夠逼真，就必須模擬或製造光線的運動。

所以電影場景裡的鋼鐵人或滅霸甚至是哥吉拉，我們的認知告訴我們這些是假的，但在觀影的時候無法從細節挑出假的點，這就是CG特效厲害的地方（也是貴的地方），藉由特效師的巧手，把虛擬與實際場景結合在一起，但這種特效曠日廢時且耗資巨大，應用在遊戲中是不可能的，這就是即時渲染和離線渲染的差別，電影可以慢工出細活，但玩遊戲每分每秒都關乎生死，所以遊戲一般的光線只考慮局部的範圍（遊戲片段中的高畫質影片通常是預先錄好的，不是即時運算的），而電影則是把整個場景的光線都考慮進去。

但Epic Games發布虛幻引擎5中展現了令人震撼的光線追蹤效果，其中Lumen系統也就是在解決優化光線的問題，而PS5和Xbox Series X都有支援這個引擎，所以PS5和Xbox才賣的這麼好吧？而虛幻引擎裡運用了Nvidia發表的Deep Learning Super Sampling（DLSS）方法，利用神經網絡的算法優化了物體邊緣的品質（反鋸齒運算），讓遊戲運行的更加順暢，但目前的渲染還是需要靠GPU搭配算法進行高速的運算，並非完全使用深度學習的方式進行，所以要玩3A大作電腦配置需要非常好（錢包哭哭），不然就是買PS5或Xbox囉。

如果要讓VR的虛擬場景更真實，VR的解析度就要越來越高，但解析度越高，就需要越好的電腦配置才跑得動，我們不可能玩VR每個人還要配一張RTX3090的顯卡（訂價1499美金），VR要普及很重要的關鍵是不能太貴（VR頭盔2萬配一台電腦8萬誰要玩啊！），所以回到一開始的問題，AI能夠創造出一個極真實的虛擬場景嗎？ （相關報導： 元宇宙Metaverse是什麼？戴上VR頭盔，進入虛擬世界…揭臉書、微軟爭相投入的背後原因 ｜ 更多文章 ）

這邊介紹兩個方法，非常經典且驚嚇，一個是大名鼎鼎的神經輻射法（Neural Radiance Field（NeRF））[1]和利用對抗網絡（Generative Adversarial Networks（GANs））優化的神經渲染法[2]，當然這兩個方法細節牽扯到許多深度學習的算法，有興趣的可以直接去看原文（放參考資料）。

NeRF這個方法想做的事情是，假如我現在左視角的圖片，我要如何生成出右視角的圖片？具體來說，我有一張平面的照片，我能不能透過AI的方法，生成其他視角的圖片並合成3D圖片，如此一來就可以大量減少建模時所需要的運算的資源。

下面的圖片就是他們的研究成果，只需要輸入少量的2D角度的圖片，就可以造出連續不同視角的圖片，效果可以說是非常驚人，尤其是生成出來的圖片擁有金屬光澤感、陰影甚至是葉片的細節都表現得栩栩如生，大家有興趣可以去看官網上完整版的展示，放在參考資料中。[3]

那他們是如何做得如此逼真的效果？這邊引用文獻中的圖片簡單為大家解釋，首先他們蒐集了非常多不同角度拍攝到的2D圖片當作訓練集（包含已知的相機參數），如下圖（a）所示，假如有一台怪手，我們拍攝的照片中會含有（x、y、z）三種不同的參數座標，而（theta、phi）則代表了視角的方向（我們從哪個角度對照片進行拍攝）。

擁有（x、y、z、theta、phi）的5D資訊之後，我們就可以丟到神經網絡中進行訓練，那他們這邊使用了多層感知器MLP（multilayer perceptron），MLP的知識我就不在這邊詳細展開，有興趣的朋友google一下，滿多人提到的，這邊大家就想像成一個神經網絡裡的方法，但輸出是什麼？

我們希望藉由不同角度資訊的照片，能夠將這類型的2D空間資訊轉換成（R、G、B、sigma）如上圖（b）所示，這裡的RGB指的就是三原色紅綠藍，我們知道三原色其實可以合成世界上各種五彩斑斕的色彩，而在渲染圖片的時候，不管是圖像的紋理或是細節其實都是由顏色組成，而這些顏色的差異也都是因為光所造成的，即便是陰影我們也能用不同的RGB把陰影調色出來。

所以，我們希望神經網絡能夠直接給我們這些圖案在不同視角情況下，物體應該（推測）是什麼顏色，那最後這個文獻中叫體密度，個人的理解有點像是透明度的概念，也就是光子打到一個物體之後會在哪一層所停下來，光子假設能直接穿過這個物體，就表示這個物體是透明的，而光子完全穿不過就表示這個物體是光滑像鏡子一樣（幾乎反射了），如此精妙的設計加上AI的訓練，就可以達到前面所展示的效果了！

上述所提到的這個方法，在訓練的時候需要大量拍攝許多不同角度的圖片，所以2021年Nvidia和幾所知名高校一起發表了另一篇文獻，使用對抗網絡GAN搭配神經渲染的方法，效果更加驚人，而這個GAN大家有興趣的話可以去看一下台大李弘毅教授的開放式課程，一樣會放在參考資料[4]，順帶一提，GAN這個技術就是之前生成一堆看似真人的圖片，但其實那些圖片都是GAN生成出來的假人[5]。 （相關報導： 元宇宙Metaverse是什麼？戴上VR頭盔，進入虛擬世界…揭臉書、微軟爭相投入的背後原因 ｜ 更多文章 ）

上圖是文獻提出算法的一個流程圖，這裡的styleGAN就是幫忙生成各種不同汽車的不同角度之圖片，有了這些生成的資料之後，再丟到神經網絡的訓練之中，而此方法還將圖片分成三個部分進行優化-Mesh（網格）、Light（光線）和Texture（紋理），這樣的好處就是甚麼呢？

下圖我們可以看到他們的研究成果，Input有一台紅色的五門車和一台銀色的轎車，紅框的部分我們可以生成不同角度的車子圖片，綠色框則是可以改變我們生成車子的形狀，甚至藍框還可以改變車子的紋理（顏色），最扯的是連背景都能替換掉（黑框）！

當然，這兩種算法與傳統電影的CG特效或是在遊戲中即時運算的效果，還有一段落差，但隨著深度學習算法的進化，目前差距已經慢慢縮小，短期來說，這些AI算法會先用在遊戲場景或是元宇宙的場景之中，這樣可以大幅縮小運算時間，並且對硬體的要求也不會那麼嚴苛，遠期來說，深度學習的算法可能有機會接近電影CG特效，大家就跟著阿財拭目以待吧！

這篇文章從軟體的角度出發，和大家分享目前元宇宙在軟體上發展到什麼程度，並且阿財下一期會從硬體上出發，告訴大家目前VR還存在哪些硬傷，沒辦法讓各位在玩的時候有身歷其境如同真實般場景的感受！

參考資料

[1] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis

[2] Image GANs meet Differentiable Rendering for Inverse Graphics and Interpretable 3D Neural Rendering

[3] NeRF生成的各種圖片

[4] 台大李宏毅教授介紹GAN

[5] GAN生成假人臉

作者介紹｜阿財科技分享

大家好我是阿財，從事工程相關領域，熱愛研究科技和市場變化，投資以美股為主力的左側交易者！ 主要分享許多科技技術和時勢議題，希望能以科普的角度讓大家了解許多有趣的知識喔～ 有興趣也可以Follow我的FB粉專：阿財x理財x科技 YouTube搜尋：財知道x理財x科技

本文經授權轉載自方格子（原標題：Metaverse 元宇宙到底目前發展到哪？AI能生成出元宇宙的場景嗎？） （相關報導： 元宇宙Metaverse是什麼？戴上VR頭盔，進入虛擬世界…揭臉書、微軟爭相投入的背後原因 ｜ 更多文章 ）

責任編輯／邱劭霽