随着 5G 时代的到来，VR 端应用呈爆发式增长，3D 内容作为构建 VR 生态的主力输出一直深受广大用户的追捧和喜爱。针对目前 3D 内容过少，质量不高、生产昂贵等现状，爱奇艺作为国内领先的互联网视频媒体，自然首当其冲，以真实世界的 3D 内容为基础，研究 2D 转 3D 技术，实现更优质的 VR 端的 3D 内容生态的构建，满足更多用户的日常需求。
相对于 2D 内容，优质的 3D 内容有输出符合真实景深关系的能力，让用户在观看时具有更好的观影体验。下面我们从技术的角度，介绍爱奇艺如何赋予 2D 内容真实的景深关系，实现 2D 内容到 3D 内容的转换。
面临的挑战
目前 2D 转 3D 技术主要问题是转制成本太高，不能大面积使用，如使用一般的策略很难适用多种场景的真实 3D 视差关系，这很容易让用户感到不适。
综合以上原因，我们考虑采用深度学习方法，通过对大量 3D 电影（side-by-side 的双目介质）真实视差的学习与建模，完成单目视图到双目视图的转换。
以下是 2D 转 3D 技术面临的几个挑战：
模型原型思路
通过对大量用户的调研发现，除去特效场景刺激眼球外，3D 介质的 3D 感知越符合真实世界越受用户喜爱，因此在模型构建上必须符合真实世界的 3D 观感——双目视觉
图 1 双目相机成像与视差原理
如 所示，两个相机拍摄同一场景生成的图像会存在差异，这种差异叫视差，其产于与真实的三维空间。视差不能通过平移消除，同时离相机近的物体视差偏移较大，反之越小。
人的左右眼就如同图中的左右相机一样，分别获取对应图像后，通过大脑合成处理这种差异，从而获取真实世界的 3D 感知，通过 可得出视差与相机焦距和轴间距间的关系：
公式（1）
其中为物体距离相机的深度，为三维映射到二维的图像平面，为相机焦距，为两个相机间的距离轴间距， 和 分别为物体在左右不同相机中成像的坐标，因此可知左右图对应像素 和 的视差 。
同时，考虑到转制的对象为 2D 介质，因此，通过单目深度估计合成新视点的算法原型诞生：通过 可知，假设有一个函数 那么就有：
公式（2）
通过 _公式（2） _可知，只需要将 作为训练输入， 作为参考，即可建立深度学习模型，通过大量双目图片对训练估计出函数
