Đã có rất nhiều thiết bị quay nhiều camera điên rồ được tạo ra với mục đích ghi lại video không gian đầy đủ. Tôi nhớ một cuộc trò chuyện tại Meta mà cơ bản là "chúng tôi sẽ tập trung hết sức vào thị giác máy tính hình học cổ điển trước khi xem xét các thuật toán học máy", và tôi đã ủng hộ hướng đi đó. Đó là nhiều năm trước, khi ML vẫn cảm thấy như một loại giả kim thuật không thể đoán trước, và tất nhiên bạn muốn tối đa hóa việc sử dụng sự thật cơ bản! Nỗ lực kỹ thuật cứng rắn đã được thực hiện để hiệu chỉnh camera, đồng bộ hóa và xử lý dữ liệu, nhưng nó chưa bao giờ thực sự mang lại tầm nhìn. Dù bạn có bao nhiêu camera, bất kỳ đối tượng di chuyển phức tạp nào cũng sẽ có những khu vực bị che khuất, và "lỗ hổng trong thực tế" nổi bật rõ ràng với một người xem không đứng ở một trong các điểm camera. Ngay cả khi bạn có tầm nhìn tốt, những sự mơ hồ trong photogrammetry đa camera làm cho mọi thứ kém chính xác hơn bạn mong muốn. Cũng đã có một số thí nghiệm để xem bạn có thể làm tốt như thế nào trong việc tái tạo cảnh 3D từ các camera Quest bằng cách sử dụng tính toán ngoại tuyến, và câu trả lời vẫn là "không tốt lắm", với những bề mặt khá gồ ghề. Nhiều tái tạo 3D trông tuyệt vời khi cuộn qua trong nguồn cấp dữ liệu trên điện thoại của bạn, nhưng không tốt khi phóng to lên một bản render VR hoàn toàn sống động và so sánh với một bức ảnh truyền thống chất lượng cao. Bạn thực sự cần những giả định mạnh mẽ để điều khiển vấn đề khớp và lấp đầy các khoảng trống. Đối với các cảnh kiến trúc, bạn có thể thu được một số lợi ích từ các giả định phẳng đơn giản, nhưng AI sinh tạo hiện đại là giả định tối ưu. Ngay cả khi các thiết bị camera điên rồ hoàn toàn thực hiện được lời hứa, chúng vẫn sẽ không tạo ra một hệ sinh thái nội dung tốt. YouTube sẽ không thành công nếu mỗi người sáng tạo cần một camera RED Digital Cinema. Việc tạo ra ảnh 3D lập thể (khá tốt!) trong Quest Instagram là một bước nhỏ hướng tới tương lai. Có những con đường dẫn đến video lập thể và 6DOF tĩnh, rồi cuối cùng là video 6DOF. Hãy làm mọi thứ trở nên sống động, sau đó cho phép điều chỉnh tùy chỉnh cho các phương tiện nhận thức sống động.