Facebook 新算法：如何让 360 度视频体验不再眩晕和抖动

本文由 ARinChina（ www.arinchina.com ）原创，转载请联系 ARinChina（微信 ID：arinchinaservice）

从专业相机到消费者手持摄像机，目前市面上已有数十款可以拍摄 360 度视频的机器，规格和质量也各有千秋。随着这些相机的普及，360 度视频内容的范围和容量也在不断扩大，人们开始在各种场合和环境中拍摄 360 度视频。

然而，拍摄时却很难避免晃动、保持相机稳定，特别是用手持相机拍摄运动对象（如骑山地自行车和徒步旅行）的时候。到目前为止，大多数视频稳定技术都是为窄视场视频设计的，如用手机拍摄的传统视频，但这些技术在拍摄 360 度视频时却不怎么好用。

因此，Facebook 决定为 360 度视频的拍摄，开发一项新的视频稳定技术。目前，这项技术已在测试中，预计将支持 Facebook 和 Oculus 平台。

Facebook 将这项新技术命名为 “变形旋转”运动模型 ，混合 3D-2D 技术用于优化模型参数，让 360 度视频更流畅。在视频质量相同的情况下，它能有效减少 10%~20% 的比特率，提高效率。在通信和计算机术语中，比特率表示在单位时间内可以传输多少数据。

在标准机器上，这项新技术能以每帧小于 22 毫秒的速度稳定 360 度视频。事实上，这个稳定速度比正常播放视频的速度更快。

除此之外，Facebook 的新技术还让 360 度视频也能快进，把一段冗长的视频（如长时间骑车）用更快、更好玩的方式播放。

为了达成这一功能，Facebook 在主体稳定算法之外，又开发了一个 360 度延时摄影算法。随着时间的推移，它改变了视频帧时间戳的定时，以平衡摄像机的速率。

下面，就让我们深挖一下 Facebook 新算法吧！

（ 腾讯视频 ）

创建一个新的算法结构：混合 3D-2D + 变形旋转模型

目前的视频稳定算法大多使用相同的结构：跟踪视频中的运动，寻找适配的运动模型，使运动变得更平稳，产生稳定的输出帧。算法之间主要的区别在于——如何为视频中运动建模。

大多数算法都是为窄视场视频设计的，用的是单一参数化二维运动模型，如全画幅视角（单应）扭曲。全画幅指的是相机里的感光元件的尺寸，跟原来的一张胶片大小一样，为 36*24mm。

虽然这些方法简单有效，但过于简单的模型无法描述复杂的运动，例如前景和背景的视差和抖动。

更先进的算法则采用更灵活的运动模式，但还只存在于学术出版物中。而这些先进算法，虽然能处理更复杂的运动，但又限制了视频拍摄的灵活性，以避免产生可见的几何变形。

另一类算法在三维环境下操作。通过重建摄像轨迹和场景的几何模型，并在三维环境中推理出稳定视频。因为采用了更准确的模型，这些算法具有更高的平稳能力。但三维重建方法操作起来比较慢，而且不稳定。

因此，Facebook 这次的混合 3D-2D 稳定架构，正式结合以上两类算法的优点。该架构只在关键帧的几秒间隔之内使用三维分析，并不是完全重建，只估算相对运动，因而更容易解决操作稳定性问题。

三维算法的用处体现在，它能够分辨出被拍摄的物体，究竟是在做旋转运动，还是平移运动。

对于内部帧（关键帧之间的剩余帧），Facebook 采用二维方法优化，采用了一种新的“变形旋转”模式，让视频运动尽可能的平稳。

“变形旋转”模式类似于一个全局循环，但允许轻微局部变形。Facebook 优化了模型参数，使其可以处理并撤消一定程度的平移抖动（如拿着相机走动时带来的上下摆动）、滚动快门伪影（rolling shutter artifacts）、快门变形（lens deformations）和拼接赝像（stitching artifacts）。

因此，来认识下混合 3D-2D 结构的优势：

• 精度： 比纯粹的二维方法更准确，因为使用了更强大的三维分析以稳定关键帧。
• 鲁棒性（Robust）： 比纯三维方法更稳定，因为 Facebook 采用三维分析估算相对旋转，而无需完全重建。所谓“鲁棒性”，是指控制系统在一定（结构，大小）的参数摄动下，维持某些其它性能的特性。
• 正则化： 固定关键帧为内帧二维优化提供了一个正则参数，可以限制变形旋转运动模型，避免摆动伪影。
• 速度： 混合架构的性能比单纯进行三维分析或二维优化速度更快。

如何工作？

与现有的稳定算法类似，Facebook 也从视频中的运动特征点开始追踪。特征点既是一个点的位置辨识，同时也说明它的局部邻域具有一定的模式特征。

由于 Facebook 输入的视频采用的是等量矩形投影，因而画面两端高度扭曲，于是把帧数转换成不那么扭曲的立方体贴图（采用 256×256 分辨率），让运动跟踪能够顺利进行。

由于追踪产生的灰度图像质量很高，Facebook 得以在视频亮度平面上直接执行，避免因 YUV 到 RGB 的转换而浪费时间（YUV 和 RGB 为色彩编码方法）。

Facebook 采用 KLT 跟踪算法追踪关键点，并采用了一个重要概念—— 关键帧 。关键帧非常重要，可以用来估计被拍摄物体的相对旋转，为二维优化提供正则参数。关键帧散布在视频的不同位置，有些地方更密集，有些则较少一些。

然后，Facebook 采用五点算法估计连续关键帧之间的相对转动，来估算两个摄像机之间的相对旋转和平移。五点算法是指，当摄像机在两幅图像之间的运动为纯平移运动时，给定 5 对图像对应点，则可以线性确定本质矩阵。

用 3D 感知算法来估计旋转的优势在于，它能够区分平移运动和旋转运动。完成对所有关键帧旋转的预估后，把它进行逆变换，与视频的第一帧对齐。

现在，所有的关键帧已经稳定下来，就把它们锁定，而后把注意力放到中间帧的旋转上。

正如前文所述，对中间帧采用的是二维优化的方法，而不是三维分析法。优化的目的是让非关键帧的轨迹尽可能的平稳。由于中间帧的旋转已经固定了，提供的正则参数可以用来收敛非关键帧的轨迹。

在解决相机抖动问题的时候，往往会残余一定量的抖动，如前文提及的少量平移、滚动快门、次优镜头校正和拼接赝像。Facebook 的目的是增加一些灵活的运动模型，用来适应和撤销轻微的图像变形。

在“变形旋转”模型中，Facebook 用 6 个散落在不同位置的局部旋转代替全局单旋转，让局部低频偏差从纯旋转变成数据。

这一点至关重要，因为可以防止因运动模型太灵活而造成的漂移。Facebook 希望解决问题用的是引入更多数据，而非单纯的删除伪影。

优化速度、性能和效率

Facebook 开发这一新算法的目的，是让用户可以观看流畅稳定的 360 度视频，毕竟用户也不想把时间浪费在等待视频上传。因此，即便这一算法适用于 GPU，Facebook 也希望能在 CPU 上运行。

所以，Facebook 的做法是：选取一个 8*8 像素区域，用传统的包围盒算法计算其坐标，其他区域用双线性差值运算。

这种新算法比包围盒算法运算速度更快，与单纯用包围算法进行计算相比，显示效果差不多，但大大提高的运算效率。包围盒算法是用一个简单的图形代替复杂形状的算法。

下图总结了各算法阶段的性能，测量的是单个帧输入 / 输出 1080p 分辨率和时间。

事实上，Facebook 新算法的稳定速度，是比正常播放一段视频要快的：

播放视频的时候，显示每一帧大约需要 30 毫秒，而稳定一帧只需 20 毫秒。通过改进算法，Facebook 可以让直播的 360 度视频每一帧都不发生抖动。

除了速度之外，Facebook 还对效率进行了优化。

因为 360 度视频并不裁剪任何拍摄到的画面，所以可以被还原到最初的版本，因此稳定算法可以提高 360 度视频的比特率（比特率越高，传送数据速度越快）。但对于视频播放不会有任何影响，因为体验过 360 度视频的人大多已经习惯了旋转的视图。

稳定算法能够有效节省比特率，下图分析了通 x264 库（一个免费的软件库）把视频编码为 H.264/MPEG-4 AVC 格式时比特率的消耗，橙色代表滑雪，蓝色代表停下来休息。

如图所示，比特率的节省概率在 10%~20% 之间，取决于编码器的设置。

延时摄影算法

由于 Facebook 的新算法让 360 度视频看起来非常平滑，所以可以用来创建加速延时视频。创建一个延时摄影 360 度视频只需删掉一些内容，但每帧序列都应该能连接起来。

然而，延时摄影拍摄的一个共同点是平稳的平衡相机速率。例如，在拍摄一个滑雪视频时，滑雪者时而加快速度，时而停下休息，相机速率也在不断变化。

为了模拟一个不断移动的延时摄影镜头，需要暂时地平衡速度，并跳过休息的部分。

要做到这一点，首先用二维近似和平均运动矢量，估计每一帧的相机速率。然后，用时间中位数和低通滤波器把视频二次处理一下。低通滤波器是容许低于截止频率的信号通过、但高于截止频率的信号就不能通过的电子滤波装置。

通过相机预估速率，就可以改变原视频的时间戳。这样一来，就可以创建加速视频，把冗长的视频缩短。

下一步

Facebook 表示，这项新算法还在测试当中，希望能够得到用户的反馈。用户现在可以试着上传 360 度视频，把高质量，且观感更舒适的视频与朋友们分享。

接下来，Facebook 将致力于改进延时摄影算法，希望在不久的将来，能用到实时 360 度视频中。

本文编译自 Facebook Code，原文标题为 360 video stabilization: A new algorithm for smoother 360 video viewing  。

题图来源： qz