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.
„I want to be a TV buff. Certified pop culture enthusiast. Twitter scholar. Amateur student.”
More Stories
Jakie korzyści oferują serwery VPS w 2026 roku?
TRUE NORTH uruchomiła nową platformę marki „Life’s Different After” w ramach kampanii Today the Brave
Pomiar mowy ciała Wiadomości o Mirażu