Von zwei Bildern zum 3D-Objekt

• Forschung
• Künstliche Intelligenz

• 20.6.2024
• Lesezeit: 1 Min.

Astrid Eckert / TUM

3D-Rekonstruktionen von z.B. Personen werden durch das Verfahren vereinfacht und deutlich präziser

Abbild präziser, trotz weniger Datenpunkte

Daniel Cremers, Professor für Bildverarbeitung und Künstliche Intelligenz sowie Leiter des Munich Center for Machine Learning (MCML) und einer der Direktoren des Munich Data Science Institute (MDSI) hat gemeinsam mit seinem Team eine Methode entwickelt, die beide Verfahren verbindet. Die Forschenden kombinieren dafür ein neuronales Netz der Oberfläche mit einem genauen Modell des Beleuchtungsprozesses, das die Abnahme des Lichts mit der Entfernung zwischen Objekt und Lichtquelle berücksichtigt. Dabei kann aus der Helligkeit in den Bildern bestimmt werden, wie die Oberfläche zum Licht ausgerichtet und wie weit sie von der Lichtquelle entfernt ist. "So gelingt es uns, aus wenigen Daten Objekte deutlich präziser nachzubilden, als es bei vorherigen Verfahren möglich war. Für unsere Rekonstruktionen können wir das natürliche Umfeld verwenden und auch Objekte mit nur einer geringen Oberflächentextur nachbilden", sagt Daniel Cremers.

Anwendungsfelder der 3D-Rekonstruktionen sind das autonome Fahren oder auch der Denkmalschutz

Anwendung beim autonomen Fahren und Denkmalschutz

Das Verfahren kann genutzt werden, um historische Denkmäler zu erhalten oder Museumsobjekte zu digitalisieren. Werden diese zerstört oder verfallen mit der Zeit, ist es mithilfe von Fotos möglich, diese zu rekonstruieren und wahrheitsgetreu wiederaufzubauen. Neuronale kamerabasierte Rekonstruktionsverfahren entwickelt das Team von Prof. Cremers auch für das autonome Fahren. Hier wird die Umgebung mit einer Kamera gefilmt. Das autonome Auto kann dabei die Umgebung in Echtzeit nachbilden, ein dreidimensionales Szenenverständnis entwickeln und auf Grundlage dessen Entscheidungen treffen. Das Verfahren basiert auf neuronalen Netzen, die für einzelne Bilder eines Videos 3D-Punktwolken der Welt vorhersagen, die dann zu einem großskaligen Modell der durchfahrenen Straßen fusioniert werden.

Künstliche Intelligenz

KI-Anwendungen verändern schon jetzt die Arbeits-, Forschungs- und Alltagswelt. Wir gestalten diesen technologischen Fortschritt mit: Unsere Forschenden entwickeln fächerübergreifend neue Methoden und Anwendungen der KI.

KI an der TUM

iStockphoto.com/ Ryzhi

Technische Universität München

Corporate Communications Center

• Julia Rinner
• pressespam prevention@tum.de
• Teamwebsite

Kontakte zum Artikel:

Daniel Cremers
Technische Universität München
Professur für Bildverarbeitung und Künstliche Intelligenz
cremersspam prevention@tum.de