来源：映维网 作者
混合现实中的实时感知和交互能力要求资源受限的硬件（如头戴式设备）以低延迟解决一系列的3D追踪问题。实际上，对于HoloLens 2等CPU和GPU可以用于应用程序的设备而言，多个追踪子系统需要在共享一个数字信号处理器的同时实现连续、实时的运行。
为了解决HoloLens 2手部追踪的模型拟合问题（计算预算大约比iPhone 7小100倍），微软团队提出了一种全新的曲面模型：“Phong Surface（冯氏曲面）”。
利用计算机图形学的思想，Phong Surface描述了与三角网格模型相同的3D形状，但其具有连续的曲面法线，从而能够使用Lifting-based Optimization优化方法，并比基于ICP的方法提供显著的效率提高。研究人员指出，Phong Surface保留了平滑曲面模型的收敛优势。
微软团队日前在ECCV 2020大会通过视频对所述模型进行了介绍，下面包括具体的字幕整理：
我们提出了一种使用Lifted Optimization来实现有效3D模型拟合的Phone Surface模型。
我们的模型拟合示例通过拟合离散3D数据来追踪人手的28个自由度。在头戴式增强现实系统（如HoloLens 2）中，这可以实现一种比当今所有计算系统都更为自然的交互机制。
HoloLens 2搭载了强大的CPU和GPU，但它们是为了用于应用程序，所以手部追踪必须由数字信号处理器以4GFLOPS的速度完成，亦即只有iPhone 7的1%。
对于之前的研究，效率的关键是使用Smooth Surface模型，Subdivision Surface或b样条曲线（bspline）。Smooth-Surface允许使用名为lifted optimization的优化方法，而所述方法能够大大减少了模型拟合中的迭代次数，并且支持使用更少的数据点。
涉及论文：Efficient and Precise Interactive Hand Tracking Through Joint, Continuous Optimization of Pose and Correspondences
尽管单个服务评估的计算成本要比Polygon Surface高出7倍，但总体的计算成本缩减是一次胜利。然而，要以4GFLOPS实现实时性，我们需要拿回7X的计算成本。所以，我们引入了一个全新的曲面模型：Phong Surface。
它的计算成本几乎与Polygon Mesh一样低，但保留了Lifted Optimization的优点，即快速收敛和更少的数据点。
Phong Surface的灵感来自于计算机图形学中的冯氏着色（phong shading）技术。这个模型使用Polyhedral Surface模型，但插值曲面法线。
下面我们在2D示例中进行详细说明。
我们使用非平滑的Polygon模型，并像Smooth Surface模型一样插值法线。
现在我们来看看当我们尝试将模型拟合到一定的数据时会发生什么。
我们会像往常一样从数据到模型形成对应关系。并且，我们不只是匹配最近的点，而是最小化加权损失，结合到曲面的距离，及曲面法线与数据的一致性。
请注意蓝色箭头。它们表示曲面法线对Lifted Optimization中的对应更新的贡献，而因为曲面法线在每个阶段中的任何位置都是相同，Polygon模型并不存在这种贡献。
这种更新提高了速度和精度。
下面我们展示了两个玩具示例的拟合方法对比：菜豆体和椭球体。我们比较三种类型的曲面：Subdivision Surface；Phong Surface和Triangle Mesh，以及两种优化方法：上面一行的Lifted Optimization和下面一行的ICP（Iterative Closed Point）。
在所有情况下，Lifted Phong的收敛速度与Lifted Subdiv一样快，但计算成本与Triangle Mesh一样（ps：听不清，这里不确定）。
对于菜豆体，Triangle Mesh不仅速度更慢，而且缺少表面法线的插值（ps：听不清，这里不确定）意味着它具有更多的Local Minima（局部极小值）。
回到HoloLens，Lifting意味着我们可以只使用数据的一小部分，例如示例中的绿点，而Phong Surface意味着我们可以以低成本且可靠的方式做到这一点。
综上所述，我们拥有了一个可同时处理双手，并以4Gaflops的速度实时运行的全关节式追踪系统。我们的技术不仅适用于手部追踪，同时适用于任何需要高效曲面拟合的情况，尤其是低功率设备。感谢观看。
原文链接：https://yivian.com/news/76838.html
