SHARP – Apple model-2D to 3D

เคยลองจินตนาการไหมครับว่า ถ้าเราสามารถ “เดินเข้าไป” ในรูปถ่ายเก่าๆ ของเราได้คงจะดีไม่น้อย?

สมมติคุณมีรูปถ่ายหมาน้อยที่บ้านตอนมันกำลังกระโดดคาบลูกบอลอยู่ภาพหนึ่ง เป็นภาพมุมตรงธรรมดาๆ แต่อยู่ดีๆ คุณเกิดอยากรู้ขึ้นมาว่า ถ้าเราเขยิบกล้องไปมองจากมุมข้างๆ หรือมุมเฉียงด้านบนในวินาทีนั้น ภาพมันจะเป็นยังไง?

ในโลกเทคโนโลยี เราเรียกสิ่งนี้ว่า “Monocular View Synthesis” หรือการเสกมุมมองใหม่จากภาพถ่ายเพียงใบเดียวครับ

ที่ผ่านมา ถ้าเราอยากทำแบบนี้ AI ยุคเก่าจะทำงานเหมือน “ช่างวาดภาพซ่อม” คือมันจะต้องค่อยๆ คิด ค่อยๆ เดา แล้ววาดฉากหลังหรือมุมใหม่ขึ้นมาทีละเฟรม ซึ่งข้อเสียคือ ช้ามาก (บางทีรอกันเป็นนาที) แถมบางทีก้มลงไปมองปุ๊บ หน้าหมาเบี้ยว ฉากหลังเบลอ เหมือนภาพฝันแปลกๆ

แต่ล่าสุด ทีมวิจัยของ Apple เพิ่งเปิดตัวเทคโนโลยีใหม่ที่ชื่อว่า SHARP ในงานประชุมระดับโลก ICLR 2026 ที่จะมาเปลี่ยนเกมนี้ไปตลอดกาล เพราะมันทำทั้งหมดนี้ได้ภายในเวลาไม่ถึง 1 วินาที!

แล้วมันทำได้ยังไง? ผมจะเล่าให้ฟังแบบเข้าใจง่ายที่สุดครับ

เบื้องหลังเวทมนตร์: AI ช่างพ่นสี 3 มิติ

ลองจินตนาการว่า AI ตัวนี้ทำงานเหมือนศิลปินขั้นเทพ 3 คนที่ทำงานประสานกันในเสี้ยววินาทีแบบนี้ครับ:

สเต็ปที่ 1: “ช่างวัดระยะ” (มองปุ๊บ รู้ปั๊บว่าอะไรอยู่ใกล้-ไกล)

พอเราส่งรูปหมาน้อยเข้าไป ศิลปินคนแรกจะสแกนภาพแล้วแยกแยะทันทีว่า ลูกบอลอยู่ใกล้สุด ตัวหมาอยู่ตรงกลาง และต้นไม้ข้างหลังอยู่ไกลออกไป การเดาระยะความลึกนี้คือกุญแจสำคัญครับ เพราะถ้ากะระยะพลาด เวลาเราหมุนกล้อง ภาพจะเบี้ยวผิดสัดส่วนทันที

สเต็ปที่ 2: “คนเกลี่ยเงาที่ซ่อนอยู่”

ปัญหาของรูปถ่าย 2 มิติคือ วัตถุมันจะบังกันเอง เช่น ตัวหมาอาจจะบังหญ้าข้างหลังไว้ ถ้าเราเขยิบกล้องไปด้านข้าง เราควรจะเห็นหญ้าตรงนั้นโผล่ออกมา AI ตัวนี้เลยมีความสามารถพิเศษในการเดาสิ่งที่ถูกบังไว้ล่วงหน้าถึง 2 ชั้น ทำให้เวลาเราเบนกล้องไป มิติของภาพจะไม่โหว่และดูสมจริง

สเต็ปที่ 3: “ช่างพ่นละอองสี 3 มิติ” (เทคนิคเด็ด: 3D Gaussian Splatting)

นี่คือไม้ตายของงานนี้ครับ แทนที่ AI จะมานั่งวาดภาพใหม่ทีละมุม มันใช้วิธี “พ่นละอองสีที่มีมิติ” (เรียกว่า Gaussians) นับล้านๆ เม็ดลงไปในอวกาศจำลองตรงจุดที่วัตถุอยู่ ละอองสีพวกนี้ไม่ใช่แค่จุดแบนๆ นะครับ แต่มันมีความหนา ความโปร่งแสง และสะท้อนแสงได้ตามมุมที่กล้องมอง

สรุปง่ายๆ: AI เปลี่ยนรูปภาพแบนๆ ให้กลายเป็น “ประติมากรรมละอองสี 3 มิติ” ขึ้นมาลอยอยู่ตรงหน้าเราทันทีภายในเวลาแค่ 0.x วินาที!

พอเสร็จแล้ว… เราเอาไปทำอะไรต่อได้บ้าง?

พอ AI เสกโครงสร้างละอองสี 3 มิตินี้เสร็จแล้ว หลังจากนั้นความลื่นไหลระดับ 100+ FPS (Frames Per Second) จะเกิดขึ้นทันที แปลว่าคุณสามารถเอานิ้วปัดบนหน้าจอมือถือเพื่อหมุนกล้อง ดูภาพหมาน้อยตัวเดิมในมุมเฉียง มุมก้ม หรือมุมเงยได้ลื่นไหลปรื๊ดเหมือนกำลังเล่นเกมสามมิติ โดยที่ภาพยังคมกริบ รายละเอียดเส้นขนหรือหนวดหมาไม่เบลอหายไปไหนเลย

ทำไมเรื่องนี้ถึงน่าตื่นเต้นสำหรับพวกเรา?

ลองคิดภาพดูครับว่า เทคโนโลยีนี้ถูกพัฒนาโดย Apple เจ้าของ iPhone และแว่น Vision Pro ในอนาคตอันใกล้นี้ มันอาจจะกลายเป็นฟีเจอร์พื้นฐานในมือถือของเราก็ได้:

• ชุบชีวิตรูปเก่า: รูปถ่ายวัยเด็ก หรือรูปแต่งงานของคุณพ่อคุณแม่ที่เป็นภาพถ่ายธรรมดาๆ จะสามารถเปิดดูผ่านแว่น VR หรือหน้าจอมือถือแล้วหันมองรอบๆ ได้มีมิติเหมือนเรากลับไปยืนอยู่ในเหตุการณ์นั้นจริงๆ
• ยกระดับการช้อปปิ้งออนไลน์: แม่ค้าออนไลน์ถ่ายรูปสินค้าแค่แชะเดียว ลูกค้ากดเข้ามาสามารถหมุนดูมุมข้างได้ทันที ไม่ต้องรอโหลดนาน
• สร้างคอนเทนต์ล้ำๆ: สายแต่งภาพหรือทำวิดีโอจะสามารถสร้างเอฟเฟกต์กล้องบินโฉบเฉี่ยวได้จากภาพถ่ายนิ่งๆ เพียงใบเดียว

ถือเป็นก้าวสำคัญที่ทำให้เส้นแบ่งระหว่างโลก 2 มิติ และ 3 มิติขยับเข้าใกล้กันมากขึ้น แถมยังเร็วและกินทรัพยากรน้อยลงจนจับต้องได้จริงในชีวิตประจำวันครับ

ถ้าชอบเรื่องราวเทคโนโลยีล้ำๆ แบบนี้ ฝากกดแชร์และติดตามบล็อกของเราไว้ด้วยนะครับ ครั้งหน้ามีอะไรเจ๋งๆ จะรีบมาเล่าให้ฟังอีกแน่นอน! 😊