Lösungen für 3D-Scanning

Wie Artec 3D die Ukraine unterstützt

Hier sind die Gewinner der 1. SHARP-Challenge zur Rekonstruktion von 3D-Scans aus Teilaufnahmen!

Artec 3D ist stolz, die ersten Preisträger der ECCV 2020 SHARP Challenge bekannt zu geben zu dürfen. Dieses Jahr fand die ECCV am 23. August in Glasgow, Schottland, und auch online statt. Der Wettbewerb dreht sich die Suche nach effektiven Lösungen für die Rekonstruktion vollständiger 3D-Scans aus digitalen Teilerfassungen.

Gerard Pons-Moll und Julian Chibane erhielten gemeinsam den von Artec gesponserten Hauptpreis in Höhe von 4.000 Euro für ihren Beitrag mit dem Titel „Implicit Feature Networks for Texture Completion of 3D Data“.

Gerard Pons-Moll (links) und Julian Chibane (rechts)

In den Worten der Preisträger: „Unsere wichtigste Erkenntnis ist, dass die Vervollständigung der 3D-Textur davon profitiert, wenn lokale und globale Tiefenmerkmale einbezogen werden, die sowohl aus der partiellen 3D-Textur als auch aus der vervollständigten Geometrie extrahiert werden. Mithilfe der partiellen 3D-Textur und der mit IF-Polygonnetzen vervollständigten 3D-Geometrie gelingt es bei unserem Modell besonders gut, die fehlenden Texturteile in Übereinstimmung mit der vervollständigten Geometrie zu vervollständigen.“

Gerard Pons-Moll fügt hinzu: „Kurz vor der Challenge hatten wir auf der CVPR'20 einen Artikel mit dem Titel „Implicit Functions in Feature Space for 3D Shape Reconstruction and Completion“ [Implizite Funktionen im Feature-Raum für die Rekonstruktion und Vervollsändigung von 3D-Formen] veröffentlicht, der für verschiedene 3D-Aufgaben den neuesten Stand der Technik beschrieb – daher hatten wir mit dem Timing großes Glück. Allerdings fehlte uns noch der Teil zur Vervollständigung von Texturen, daher motivierte uns die Challenge, diesen fertigzustellen.“

Er fährt fort: „Das ist das Großartige an diesen Challenges: Sie motivieren Forscher und Studenten, und sie ermöglichen es, verschiedene Methoden auf konsequente Weise zu vergleichen. Wir haben daraus einiges gelernt. Die Hauptidee ist, dass lokale 3D-Objekte unabhängig von ihrer Kategorie ähnliche Strukturen aufweisen, und deshalb haben wir ein Netzwerk entworfen, das lernt, wie Objekt- und Menschenformen lokal und global aussehen. Auf diese Weise ist es möglich, mit weniger 3D-Daten auszukommen, zumal deren Beschaffung immer kostspielig ist.“

„Wir fühlen uns geehrt und sind Artec 3D dankbar für das Sponsoring der Veranstaltung und den großzügigen Geldpreis. Artec 3D fördert die Open-Source-Forschung, was ein Zusammenspiel von Industrie und Wissenschaft ermöglicht und Forschung zu einem attraktiven Arbeitsfeld macht. Wir hoffen sehr, dass Artec 3D eine Folgeveranstaltung sponsern wird – wir würden auf jeden Fall teilnehmen!“

Baidu
map