Naukowcom z Politechniki Monachium (TUM) udało się stworzyć dokładne rekonstrukcje 3D obiektów przy użyciu obrazów z zaledwie dwóch perspektyw kamer. Ich metoda działa nawet w przypadku zdjęć wykonanych w ich naturalnym otoczeniu. Wcześniej takie rekonstrukcje były możliwe jedynie z setek perspektyw lub w warunkach laboratoryjnych. Rekonstrukcje za pomocą kamer są wykorzystywane w jeździe autonomicznej lub podczas konserwacji zabytków.
Astrid Eckert/Tom W ostatnich latach metody neuronowe stały się powszechne w rekonstrukcjach za pomocą kamer. Jednak w większości przypadków potrzebne są setki perspektyw kamery. Tymczasem istnieją konwencjonalne metody fotometryczne, które umożliwiają obliczanie rekonstrukcji z dużą dokładnością nawet w przypadku obiektów o powierzchniach pozbawionych tekstury. Jednak zwykle działają one tylko w kontrolowanych warunkach laboratoryjnych.
Andreas Heddergott/Tom Dokładniejsze rekonstrukcje pomimo małej liczby punktów danych
Daniel Cremers jest profesorem widzenia komputerowego i sztucznej inteligencji w TUM oraz dyrektorem monachijskiego centrum uczenia maszynowego (MCML) i monachijskiego Instytutu Data Science (MDSI). On i jego zespół opracowali metodę, która wykorzystuje oba podejścia. Łączy powierzchniową sieć neuronową z dokładnym modelem procesu świecenia uwzględniającym absorpcję światła oraz odległość obiektu od źródła światła. Jasność jest wykorzystywana w obrazach do określania kąta i odległości powierzchni względem źródła światła. „Dzięki temu możemy modelować obiekty znacznie dokładniej niż obecnie stosowane procesy” – mówi Daniel Cremers. „Możemy wykorzystać naturalne otoczenie i rekonstruować obiekty pozbawione tekstury”.
Tomek Zastosowania w autonomicznym jeździe i konserwacji zabytków
Metodę tę można wykorzystać do konserwacji zabytków lub digitalizacji muzealiów. Jeśli z biegiem czasu ulegną zniszczeniu lub zniszczeniu, fotografie można wykorzystać do rekonstrukcji oryginałów i stworzenia dokładnych kopii. Zespół profesora Cremersa opracowuje także metody rekonstrukcji opartej na kamerach neuronowych na potrzeby jazdy autonomicznej, podczas których kamera obrazuje otoczenie samochodu. Samochód autonomiczny może modelować swoje otoczenie w czasie rzeczywistym, tworzyć trójwymiarową reprezentację sceny i wykorzystywać ją do podejmowania decyzji. Proces opiera się na sieciach neuronowych, które przewidują chmury punktów 3D poszczególnych obrazów wideo, które są następnie łączone w wielkoskalowy model wyciętych dróg.
Wyświetl zawartość zewnętrzną
W tym momencie zintegrowane są treści zewnętrznego dostawcy (źródło: www.xyz.de). Podczas przeglądania dane mogą zostać przekazane podmiotom trzecim lub zapisane pliki cookies, dlatego wymagana jest Twoja zgoda.
Więcej informacji oraz możliwość wycofania zgody znajdziesz na stronie www.tum.de/datenschutz.
zgadzam się
sztuczna inteligencja
Aplikacje AI już zmieniają świat pracy, badań i życia codziennego. Pomagamy kształtować ten postęp technologiczny: nasi badacze opracowują nowe metody i zastosowania sztucznej inteligencji w różnych dyscyplinach.
Więcej informacji i linków
/Wydanie ogólne. Ten materiał od oryginalnej organizacji/autora(ów) może mieć charakter chronologiczny i został zredagowany pod kątem przejrzystości, stylu i długości. Mirage.News nie zajmuje stanowisk korporacyjnych ani stron, a wszystkie opinie, stanowiska i wnioski wyrażone w niniejszym dokumencie są wyłącznie opiniami autorów. Zobacz całość tutaj.
„Chcę być miłośnikiem telewizji. Certyfikowany entuzjasta popkultury. Stypendysta Twittera. Student amator.”
More Stories
TRUE NORTH uruchomiła nową platformę marki „Life's Different After” w ramach kampanii Today the Brave
Pomiar mowy ciała Wiadomości o Mirażu
W trakcie testu | Rower Giant Revolt 2025 ma dodatkowe schowki w dolnej rurze i twierdzi, że zapewnia większy komfort