Resimden 3D Derinlik Efektine

Düz bir fotoğraf derinliği nasıl verir: sade sözlerle tek gözle derinlik tahmini

Sıradan herhangi bir fotoğrafa bakıp neyin yakın neyin uzak olduğunu anında söyleyebilirsiniz — tek gözünüz kapalıyken bile. Öğrenilmiş ipuçları kullanıyorsunuzdur: yakın şeyler karede daha altta durur ve uzaktakilerin üzerine biner, tanıdık nesnelerin beklenen boyutları vardır, dokular mesafeyle sıkışır ve uzaktaki manzara puslulaşır. Bu sayfadaki yapay zeka modeli aynı ipuçlarını milyonlarca fotoğraftan öğrenmiştir ve bunları sizinkine uygular: her piksel için o noktanın ne kadar yakın ya da uzak olduğunu tahmin eder, bir derinlik haritası üretir — aslında sahnenin gri tonlamalı bir kabartmasıdır. O harita sonra 3D efekti yönlendirir: daha yakın olduğu değerlendirilen pikseller, sol-göz ve sağ-göz görünümleri arasında birbirinden daha fazla uzaklaştırılır; bu da tam olarak beyninizin derinlik olarak okuduğu farktır.

Göreceli derinlik — bunun sonucunuz için anlamı

Model size neyin daha yakın, neyin daha uzak olduğunu söyler, hiçbir şeyin kaç metre uzakta olduğunu asla söylemez. Pratikte bunun üç sonucu vardır. Onunla ölçüm yapamazsınız — çıktı, mühendislik için veri değil, gözler için bir yanılsamadır. Derinlik sıralaması, insan görüşünün yapmayacağı şekillerde arada bir yanlış olur: aynalar, su, cam, özelliksiz gökyüzü ve fotoğrafların fotoğrafları modeli şaşırtabilir, çünkü yansıma ve saydamlık, öğrendiği ipuçlarını bozar. Ve keskin ön plan kenarları boyunca, kaydırılmış piksellerin kameranın hiç görmediği alanları ortaya çıkardığı ince bir sırıtma fark edebilirsiniz — efekt bunları makul bir şekilde doldurur, ama yakından bakınca hile görünür. Arka plandan belirgin şekilde farklı bir mesafede net bir konusu olan fotoğraflar, en ikna edici derinliği verir.

Anaglif mi yan yana mı: iki çıktı, iki farklı hedef kitle

Anaglif çıktı, paylaşılacak olandır: ucuz bir kırmızı/camgöbeği kartondan gözlüğü olan herkesin — herhangi bir ekranda, hatta kâğıda basılı olarak bile — görebileceği tek, normal boyutlu bir görsel. Bedeli renk doğruluğudur, çünkü efekt farklı renk kanallarını her göze göndererek çalışır. Yan yana çıktı ise tam doğal rengi korur ama izleyiciden daha fazlasını ister: birbirinin yanında iki eksiksiz görünüm — dosya, kaynaktan tam olarak iki kat geniştir — bir VR gözlüğü, bir stereoskop ya da şaşı bakarak serbest görüntüleme tekniği içindir. Adil bir kural: bilinmeyen bir kitleyle paylaşmak için anaglif, kendi görüntüleyiciniz için yan yana. Yoğunluk konusunda hafif başlayın — mütevazı bir piksel kayması temiz bir derinlik olarak okunur, büyük bir kayma ise kenarları parçalamaya başlar.

Tek seferlik indirme ve cihazınızda kalan şey

Buradaki her şey tarayıcınızın içinde çalışır. Derinlik modeli ilk kullanımda kendi sitemizden indirilir — yaklaşık 50 MB, sonrasında tarayıcınız tarafından önbelleğe alınır, bu yüzden bekleme sadece ilk dönüştürmede olur — ve fotoğrafınız hiçbir noktada cihazınızdan çıkmaz. Tahmini hızlı tutmak için, çalışma görseli en uzun kenarında en fazla 768 piksele küçültülür ve 3D görüntü bu boyutta oluşturulur — ekranlar ve paylaşım için gayet iyidir, zaten bir derinlik efektinin amacı da budur. Ücretsiz seviye, bu araçta günde beş fotoğrafı, her biri 10 MB'a kadar kapsar. Son bir pratik ipucu: yan yana çıktının çift genişlikte olması onu hantal bir dosya yapar, bu yüzden yayınlamadan önce onu ücretsiz Resim Sıkıştırma aracımızdan geçirin — çok daha küçük bir dosya, stereo efekti tamamen bozulmadan kalır.

Bu bir derinlik efektidir, 3D tarama değildir

Yapay zeka modeli (Depth Anything V2), <em>göreli</em> derinliği tahmin eder — fotoğraf içinde neyin daha yakın veya daha uzak olduğunu — gerçek dünya ölçümlerini değil. Bu derinlik haritası, pikselleri ne kadar yakın olduklarıyla orantılı bir miktarda yana kaydırır; kırmızı/camgöbeği gözlükle veya şaşı bakışla izlendiğinde stereoskopik yanılsamayı yaratan da tam olarak budur. Bunu, kesin bir 3D yeniden yapılandırmadan çok, stilize bir 3D efekti olarak düşünün.