DISTRO: I ricercatori ricreano oggetti 3D digitali da dati ottenuti da scansione incomplete
I ricercatori dell’università Saarland della Germania e dell’Istituto Max Planck hanno aderito al progetto Intel per migliorare la creazione di oggetti 3D digitali utilizzando dati incompleti di scansione. “VConv-DAE” è un encoder volumetrico convoluzionale che impara la rappresentazione volumetrica da dati incompleti.
La scansione 3D ha un’ampia gamma di applicazioni, dal reverse engineering nei settori automobilistico e aerospaziale, alla raccolta di dati anatomici per l’ortopedia o per mille altre applicazioni.
Ma ottenere una scansione 3D incompleta o distorta può rivelarsi inutile. Anche questo non è un caso infrequente: l’illuminazione impropria, il movimento durante la scansione 3D e vari altri fattori possono causare modelli 3D mal generati.
Il modo migliore per combattere questi problemi è ovviamente quello di eliminarli alla fonte, investendo in adeguate apparecchiature piatti rotanti stabili e vari altri strumenti. Ma quando queste opzioni non sono disponibili, è necessario esplorare altri percorsi.
Un percorso potenziale è stato appena sviluppato da un gruppo di ricercatori composto da rappresentanti di Intel e di due istituti tedeschi: l’Istituto Max Planck per l’informatica a Monaco di Baviera e l’Università Saarland di Saarbrücken.
Insieme, questo team multidisciplinare ha sviluppato VConv-DAE, un encoder di apprendimento a forma volumetrica profonda che impara la rappresentazione volumetrica da dati rumorosi stimando le griglie di occupazione voxel.
I ricercatori dicono che lo strumento è perfetto per “compiti impegnativi come il de-noising e il completamento della forma” che possono verificarsi durante le applicazioni di scansione 3D.
“Anche se la tecnologia di scansione 3D ha compiuto notevoli progressi negli ultimi anni, è ancora una sfida catturare la geometria e la forma di un oggetto reale in modo digitale e automatico”, afferma Mario Fritz, leader del gruppo del Max Planck Institute for Informatics.
Il tipo di apparecchiature di scansione 3D di cui Fritz sta parlando non è necessariamente un’apparecchiatura di fascia alta, ma apparecchi come il Microsoft Kinect, un dispositivo di rilevazione del movimento che viene utilizzato generalmente per il gioco video sulla console Microsoft Xbox.
Una debolezza nell’hardware di stile Kinect è un’impossibilità di riconoscere con precisione un’ampia gamma di texture. Ciò significa che le superfici troppo riflettenti, screpolate o altrimenti difficili da individuare possono provocare dati 3D imprecisi, cosa che può avere effetti di colpo per la stampa 3D.
“Le geometrie 3D inadeguate o addirittura incomplete risultano quindi un vero problema per una serie di applicazioni, ad esempio nellarealtà virtuale o aumentata “, afferma Fritz.
Per risolvere questi problemi, lo strumento VConv-DAE, sviluppato di recente, utilizza una rete neurale speciale per l’apprendimento profondo per generare modelli 3D da set di dati incompleti.
Il segreto del successo del codificatore, secondo i ricercatori, è di evitare l’errore intuitivo di assegnare ad ogni oggetto un’etichetta: “la rappresentazione risultante è fortemente e inutilmente legata alla nozione di etichette degli oggetti”, dicono, sostenendo che il loro metodo di stima di griglia di occupazione voxel funziona molto meglio.
È interessante notare che la nuova tecnica offre “prestazioni competitive se utilizzate per la classificazione”, fornendo anche “risultati promettenti per l’interpolazione delle forme”.
In definitiva, questo potrebbe contribuire a una nuova generazione di strumenti di scansione 3D che permettono a hardware semplici come il Kinect di produrre dati 3D molto accurati anche senza informazioni mancanti. Questo, dicono i ricercatori, è più una necessità che una speranza.
“In futuro, sarà necessario bloccare in modo semplice e rapido oggetti reali e proiettarli in modo realistico nel mondo digitale”, afferma Philipp Slusallek, professore di computer grafica dell’Università Saarland e direttore scientifico del Centro di ricerca tedesco per l’intelligenza artificiale (DFKI).
Slusallek è una figura di primo piano nel progetto europeo di ricerca congiunto “Progettazione Distributed Object 3D”, o DISTRO, una rete che i laboratori insieme a leader in Visual Computing and Computer Grafica 3D in tutta Europa “, con l’obiettivo di formare una nuova generazione di scienziati, tecnologi, e imprenditori “nel campo della progettazione di oggetti 3D.