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.
“Ah Dong-yul, who shares his thoughts on various topics through Twitter, is mentally deep. He loves beer, but sometimes his aloofness stands out. However, his passion for music is more genuine than anyone else’s.”