Ovaj sustav bi tehnički mogao stvoriti 3D svijet koji se može istražiti od samo dvije slike, ali ne bi bio baš precizan. Što više slika, to je bolja kvaliteta. Model ne može stvarati stvari koje nije vidio
povezane vijesti
Napajanjem neuronske mreže izborom slika scene i grubim 3D modelom scene stvorenim automatski korištenjem standardnog softvera COLMAP, ona može točno vizualizirati kako bi scena izgledala iz bilo kojeg kuta. Međutim, neuronska mreža temeljena na umjetnoj inteligenciji koju su razvili Darius Rückert i njegovi kolege na Sveučilištu Erlangen-Nürnberg u Njemačkom razlikuje se od prethodnih sustava jer je sposobna izdvojiti fizička svojstva iz nepokretnih slika.
“Možemo promijeniti poziciju kamere i stoga dobiti novi pogled na objekt”, kaže voditelj projekta Darius Rückert.
Ovaj sustav bi tehnički mogao stvoriti 3D svijet koji se može istražiti od samo dvije slike, ali ne bi bio baš precizan.
“Što više slika imate, to je bolja kvaliteta. Model ne može stvarati stvari koje nije vidio”, objasnio je Rückert u žurnalu New Scientist.
Neki od najjednostavnijih primjera generiranih okruženja koriste između 300 i 350 slika snimljenih iz različitih kutova. Rückert se želi poboljšati sustav tako što će simulirati kako se svjetlost odbija od objekata u sceni kako bi došla do kamere, što bi značilo da je potrebno manje fotografija za precizno 3D renderiranje.
“Do sada stvaranje fotorealističnih slika iz 3D rekonstrukcija nije bilo potpuno automatizirano i uvijek je imalo uočljive nedostatke”, kaže Tim Field, osnivač tvrtke Abound Labs koja izrađuje softver za 3D snimanje. Sustav još uvijek zahtijeva unos točnih 3D podataka i još ne djeluje na pokretnim objektima, ali “kvaliteta renderiranja je neusporediva”.
“To dokazuje da je automatizirani fotorealizam moguć”, kaže Field koji vjeruje kako će se ova tehnologija uskoro koristiti za generiranje vizualnih efekata u filmovima i virtualnoj stvarnosti. “Ubrzat će renderiranje slika koje se generiraju računalom pomoću strojnog učenja.”
