想象一下，只需一張圖像，就能構(gòu)建出一個3D環(huán)境，隨后可通過Meta Quest進行沉浸式探索，甚至將其應(yīng)用于家庭環(huán)境之中。蘇黎世現(xiàn)實實驗室（Reality Labs Zurich）的一支研究團隊正致力于將這一愿景化為現(xiàn)實，并且提出了一種全新的實現(xiàn)途徑。?

根據(jù)上周發(fā)表的研究論文所述，現(xiàn)有的生成式人工智能模型雖能夠基于單張圖像生成視頻，然而在生成完全沉浸式場景方面卻面臨諸多挑戰(zhàn)。而該研究團隊開發(fā)的流程則取得了突破，在多個定量圖像質(zhì)量指標上超越了當前最先進的基于視頻合成的方法。此流程不僅所需訓(xùn)練工作量極少，還能在現(xiàn)有的生成模型上運行。?

研究團隊成員Katja Schwarz、Denis Rozumny、Samuel Rota Bulo、Lorenzo Porzi和Peter Kontschieder指出：“我們的核心觀點是，從單張圖像生成3D環(huán)境這一任務(wù)本身極為復(fù)雜且具有模糊性，但可將其拆解為一系列更易于處理的子問題，而每個子問題都能夠借助現(xiàn)有技術(shù)加以解決?！?

研究人員進一步闡釋了方法：“我們的流程主要分為兩個步驟。首先，運用預(yù)先訓(xùn)練的擴散模型生成連貫的全景圖，接著利用度量深度估計器將其轉(zhuǎn)化為3D狀態(tài)。之后，通過在渲染的點云上對修復(fù)模型進行調(diào)節(jié)，以此填充未觀測到的區(qū)域，這一過程僅需極少的微調(diào)?！?最終生成的是一個采用高斯濺射渲染的3D環(huán)境，能夠在VR頭戴式設(shè)備的2米（6.5英尺）立方體內(nèi)進行查看與導(dǎo)航。?

值得一提的是，該方法不僅適用于合成圖像，對于照片同樣有效。甚至場景的文字描述也能作為輸入，進而生成適用于 VR頭顯的高質(zhì)量3D環(huán)境。?

不過，研究論文中也提及了一些限制與挑戰(zhàn)。例如，將可導(dǎo)航區(qū)域拓展至兩米以上存在較大難度，因為這會大幅增加任務(wù)的復(fù)雜性。此外，目前該流程還無法實現(xiàn)實時場景合成。但研究團隊表示，一旦高斯?jié)u變環(huán)境創(chuàng)建完成，便可在VR設(shè)備上實時顯示。?

雖然目前尚不確定這項技術(shù)何時會被整合到Quest產(chǎn)品中，但從種種跡象來看，其商業(yè)化進程似乎已近在咫尺。