뮌헨 기술 대학(TUM)의 연구원들은 단 두 개의 카메라 관점에서 얻은 이미지를 사용하여 물체의 정확한 3D 재구성을 만드는 데 성공했습니다. 그들의 방법은 자연 환경에서 촬영한 이미지에도 적용됩니다. 이전에는 이러한 재구성이 수백 가지 관점이나 실험실 조건에서만 가능했습니다. 카메라 기반 재구성은 자율 주행이나 역사적 명소를 보존할 때 사용됩니다.
아스트리드 에커트/톰 최근에는 카메라 기반 재구성에 신경 방법이 널리 보급되었습니다. 그러나 대부분의 경우 수백 개의 카메라 관점이 필요합니다. 한편, 질감이 없는 표면을 가진 물체에서도 높은 정확도로 재구성을 계산할 수 있는 기존의 측광 방법이 있습니다. 그러나 이는 일반적으로 통제된 실험실 조건에서만 작동합니다.
안드레아스 헤더고트/톰 적은 수의 데이터 포인트에도 불구하고 보다 정확한 재구성
Daniel Cremers는 TUM의 컴퓨터 비전 및 인공 지능 교수이자 뮌헨 기계 학습 센터(MCML) 및 뮌헨 데이터 과학 연구소(MDSI)의 이사입니다. 그와 그의 팀은 두 가지 접근 방식을 모두 사용하는 방법을 개발했습니다. 표면 신경망과 빛 흡수 및 물체와 광원 사이의 거리를 고려한 조명 프로세스의 정확한 모델을 결합합니다. 밝기는 이미지에서 광원에 대한 표면의 각도와 거리를 결정하는 데 사용됩니다. Daniel Cremers는 “이를 통해 현재 프로세스보다 훨씬 더 정확하게 물체를 모델링할 수 있습니다.”라고 말합니다. “우리는 자연 환경을 사용할 수 있으며 상대적으로 질감이 없는 물체를 재구성할 수 있습니다.”
톰 자율주행 응용 및 역사유물 보존
이 방법은 역사적인 기념물을 보존하거나 박물관 전시물을 디지털화하는 데 사용할 수 있습니다. 시간이 지남에 따라 파손되거나 부패된 경우 사진을 사용하여 원본을 재구성하고 정확한 사본을 만들 수 있습니다. Cremers 교수팀은 또한 카메라가 자동차 주변을 이미지화하는 자율 주행을 위한 신경 카메라 기반 재구성 방법을 개발하고 있습니다. 자율주행차는 주변 환경을 실시간으로 모델링하고, 장면의 3D 표현을 개발하고, 이를 사용하여 의사결정을 내릴 수 있습니다. 이 프로세스는 개별 비디오 이미지의 3D 포인트 클라우드를 예측한 다음 절단 도로의 대규모 모델로 결합하는 신경망을 사용합니다.
외부 콘텐츠 표시
이 시점에서 외부 공급자의 콘텐츠가 통합됩니다(출처: www.xyz.de). 열람 시 데이터가 제3자에게 전송되거나 쿠키가 저장될 수 있으므로 귀하의 동의가 필요합니다.
자세한 정보와 동의 철회 가능성은 다음에서 확인하실 수 있습니다. www.tum.de/datenschutz.
나는 동의한다
인공지능
AI 애플리케이션은 이미 업무, 연구, 일상생활의 세계를 변화시키고 있습니다. 우리는 이러한 기술적 진보를 형성하는 데 도움을 주고 있습니다. 우리 연구원들은 여러 분야에 걸쳐 AI의 새로운 방법과 응용 프로그램을 개발하고 있습니다.
추가 정보 및 링크
/일반 출시. 원래 조직/저자의 이 자료는 본질적으로 연대순일 수 있으며 명확성, 스타일 및 길이를 위해 편집되었습니다. Mirage.News는 기업의 입장이나 당사자를 받아들이지 않으며 여기에 표현된 모든 의견, 입장 및 결론은 전적으로 저자의 것입니다. 전체 내용은 여기에서 확인하세요.
“트위터를 통해 다양한 주제에 대한 생각을 나누는 아 동율은 정신적으로 깊이 있습니다. 그는 맥주를 사랑하지만, 때로는 그의 무관심함이 돋보입니다. 그러나 그의 음악에 대한 열정은 누구보다도 진실합니다.”