---

Tabela de Conteúdo

• Abstract
• Introdução
• A evolução dos métodos de reconstrução 3D
• Comparação de métodos de construção
• Bibliografia
• Materiais adicionais

Abstract

A reconstrução 3D é um problema antigo e mal colocado, que tem sido explorado há décadas pela visão computacional, computação gráfica e comunidades de aprendizado de máquina. Desde 2015, a reconstrução 3D com base em imagem usando sistemas neurais convolucionaisredes (CNN) atraiu um interesse crescente e demonstrou um desempenho impressionante. Dada esta nova era de rápida evolução, este artigo fornece uma pesquisa abrangente dos desenvolvimentos recentes nesse campo. Focando nos trabalhos que usam aprendizado profundo e técnicas para estimar a forma 3D de objetos genéricos a partir de uma única ou várias imagens RGB.

Organizamos a literatura com base nas representações de forma, nas arquiteturas de rede e nos mecanismos de treinamento que que são usados. Embora esta pesquisa se destine a métodos que reconstroem objetos genéricos, também é revisado alguns dos trabalhos recentes que se concentram em classes de objetos específicas, como formas e rostos humanos. É fornecido uma análise e comparação do desempenho de alguns documentos principais, resumindo-se alguns dos problemas em aberto nesse campo e propondo direções promissoras para pesquisas futuras.

Introdução

O objetivo da reconstrução 3D baseada em imagem é inferir a geometria e estrutura de objetos e cenas partindo de um ou várias imagens 2D. Este problema de longa data que é mal posicionado é fundamental para muitas aplicações, como navegação por robô, reconhecimento de objetos e compreensão de cenas, modelagem 3D e animação, controle industrial e diagnóstico médico.

A recuperação da dimensão perdida a partir de apenas imagens 2D foi o objetivo do estéreo multivista clássico e do formato Métodos X, que foram extensivamente investigados por muitas décadas. A primeira geração de métodos abordava o problema da perspectiva geométrica; eles focaram na compreensão e formalização, matematicamente, do 3D ao processo de projeção 2D, com o objetivo de elaborar soluções técnicas ou algorítmicas para obtenção do mecanismo inverso.

A evolução dos métodos de reconstrução 3D

Soluções eficazes geralmente exigem várias imagens, capturadas a partir de câmeras calibradas com precisão. Baseando-se em técnicas de estéreo, por exemplo, exigem como recursos correspondentes imagens capturadas de ângulos de visão ligeiramente diferentes e que se use o princípio da triangulação para recuperar a coordenação 3D diante dos pixels da imagem.

Formam-se a partir da silhueta ou forma pelo espaço escultural, métodos que requerem segmentação precisa das silhuetas 2D. Esses métodos, que levaram a razões reconstruções 3D de qualidade aceitável, exigem várias imagens de o mesmo objeto capturado por câmeras bem calibradas. Este,no entanto, pode não ser prático ou viável em muitas situações devido ao alto custo computacional.

Curiosamente, os seres humanos são bons em resolver esses problemas problemas inversos, aproveitando-se de algum conhecimento prévio. Eles podem inferir o tamanho aproximado e a geometria aproximada dos objetos usando apenas um olho. Eles podem até adivinhar o que seria partindo de outro ponto de vista. Nós podemos fazer isso porque todos os objetos e cenas vistos anteriormente nos permitiram construir conhecimento prévio e desenvolver modelos mentais de como são os objetos.

A segunda geração de métodos de construção 3D tentou usar esse conhecimento prévio e reformular formular o problema de reconstrução 3D com reconhecimento problema. O caminho das técnicas de aprendizado profundo são muito mais importantes, pois a crescente disponibilidade de grandes dados de treinamento em conjunto, levar a uma nova geração de métodos capazes de recuperar a geometria 3D e a estrutura dos objetos de um ou múltiplas imagens RGB sem a complexidade da câmera e processo de separação e filtragem. Apesar de recentes, esses métodos têm demonstrado resultados emocionantes e promissores em várias tarefas relacionadas à visão computacional e processamento de imagem.

Comparação de métodos de construção

Bibliografia

Uma vasta bibliografia foi utilizada para realização deste trabalho e assim sendo é necessário fazer duas menções honrosas, sendo a primeira destinada ao pesquisador Luiz Velho cujo profissionalismo e trabalho inspiram a todos que iforam seus alunos ou leitores de seus seus livros e textos, e a segunda menção é ao Lucuino da Fontoura Costa que no trabalho Gauss’ law in image processing and analysis via fast numerical calculation of vector fields publicado em 1999 aprensentou estudos deterministicos de cálculo de campos vetorias e predição de formas.

Materiais adicionais

Abaixo, mais alguns links para download dos arquivos em formato pdf da apresentação e do paper discutido.

O código fonte da implementação estatística do problema das classificação das escadas em tons de cinza conforme mostrado no slide da apresentação.