En visión artificial y gráficos por computadora, la reconstrucción 4D es el proceso de capturar la forma y apariencia de objetos reales a lo largo de una dimensión temporal. [ 1 ] [ 2 ] [ 3 ] [ 4 ] Este proceso se puede lograr mediante métodos como imágenes de cámara de profundidad , [ 1 ] estereoscopía fotométrica o estructura a partir del movimiento , [ 5 ] y también se conoce como reconstrucción espacio-temporal . [ 4 ]
Dispersión gaussiana 4D
Extendiendo el método de dispersión gaussiana 3D a escenas dinámicas, la dispersión gaussiana temporal 3D incorpora un componente temporal, lo que permite la renderización en tiempo real de escenas dinámicas con alta resolución. [ 6 ] Representa y renderiza escenas dinámicas modelando movimientos complejos manteniendo la eficiencia. El método utiliza un HexPlane para conectar gaussianas adyacentes, proporcionando una representación precisa de las deformaciones de posición y forma. Al utilizar solo un conjunto de gaussianas 3D canónicas y análisis predictivos, modela cómo se mueven en diferentes instantes de tiempo. [ 7 ]
A veces se le denomina "dispersión gaussiana 4D"; sin embargo, esta nomenclatura implica el uso de primitivas gaussianas 4D (parametrizadas por una media de 4×4 y una matriz de covarianza de 4×4). La mayoría de los trabajos en este campo aún emplean primitivas gaussianas 3D, aplicando restricciones temporales como un parámetro adicional de optimización.
Entre los logros de esta técnica se incluye la renderización en tiempo real de escenas dinámicas con alta resolución, manteniendo la calidad. Muestra posibles aplicaciones para futuros desarrollos en cine y otros medios, aunque existen limitaciones actuales en cuanto a la duración del movimiento capturado. [ 7 ]
Véase también
Referencias
- 1 2 Dou, Mingsong, et al. " Fusion4d: captura de rendimiento en tiempo real de escenas desafiantes ." ACM Transactions on Graphics (TOG) 35.4 (2016): 1-13.
- ↑ Mustafa, Armin, et al. " Reconstrucción 4D temporalmente coherente de escenas dinámicas complejas ". Actas de la Conferencia IEEE sobre Visión por Computadora y Reconocimiento de Patrones. 2016.
- ↑ Oswald, Martin Ralf, Jan Stühmer y Daniel Cremers. « Restricciones de conectividad generalizadas para la reconstrucción 3D espacio-temporal ». Conferencia Europea de Visión por Computadora. Springer, Cham, 2014.
- 1 2 Dong, Jing, et al. " Monitoreo de cultivos 4D: Reconstrucción espacio-temporal para la agricultura ." 2017 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2017.
- ↑ Kyriakaki, Georgia, et al. " Reconstrucción 4D de objetos tangibles del patrimonio cultural a partir de imágenes recuperadas de la web ". International Journal of Heritage in the Digital Era 3.2 (2014): 431-451.
- ^ Wu, Guanjun; Yi, Taoran; Colmillo, Jiemin; Xie, Ling Xi; Zhang, Xiaopeng; Wei, Wei; Liu, Wenyu; Tian, Qi; Wang, Xinggang (junio de 2024). "Salpicadura gaussiana 4D para renderizado dinámico de escenas en tiempo real" . Conferencia IEEE/CVF 2024 sobre visión por computadora y reconocimiento de patrones (CVPR) . págs. 20310–20320 . arXiv : 2310.08528 . doi : 10.1109/CVPR52733.2024.01920 .
- 1 2 Franzen, Carl (16 de octubre de 2023). "¿Se hacen realidad los peores temores de los actores? El nuevo método de dispersión gaussiana temporal 3D captura el movimiento humano" . venturebeat.com . VentureBeat . Consultado el 18 de octubre de 2023 .
Enlaces externos
- c-Space: Reconstrucción 4D a partir de imágenes y vídeos
- Gráficos por computadora
- Imágenes 3D
- Esbozos de gráficos por computadora