“虽然3D扫描技术近年来取得了重大进展,但以数字和自动方式捕捉真实物体的几何形状和形状仍然是一项挑战,”Mario Fritz解释说,他是“可扩展学习和感知”组的负责人。马克斯普朗克信息学研究所。根据Fritz的说法,深度传感器(例如Microsoft Kinect的深度传感器)非常强大,但不幸的是它们在所有材料上都不能很好地工作,这会导致数据噪声甚至缺少测量结果。“由此产生的有缺陷甚至不完整的3D几何形状对于一系列应用构成了一个真正的问题,例如在虚拟或增强现实中,与机器人一起工作或3D打印,”Mario Fritz解释说。
因此,他与来自美国半导体制造商英特尔以及萨尔大学英特尔视觉计算研究所的其他研究人员一起开发了一种方法,该方法也适用于不完整的数据集。它使用特殊的神经网络。“我们的方法在学习阶段不需要监督,这对于这种类型来说是新颖的,”弗里茨解释说。通过这种方式,研究人员可以重建平板显示器,其3D扫描后的数字表示看起来就像一个镶板墙,这样每个人都可以再次识别数字对象中的监视器。因此,萨尔布吕肯计算机科学家已经超越了以前的方法,可以改善错误的3D扫描和完整的数字形状。Saarbrücken的方法也为扫描对象的分类提供了非常好的结果。
“在未来,必须能够简单快速地捕捉现实世界的物体,并以逼真的方式将它们投射到数字世界中,”萨尔州大学计算机图形学教授,科学主任Philipp Slusallek解释道。德国人工智能研究中心(DFKI)。在DFKI,他还负责欧洲联合研究项目“分布式3D对象设计”(简称DISTRO),欧盟希望将其视觉计算和3D计算机图形的研究领域推向全球前沿。为此,将培养新一代优秀的科学家和技术人员。萨尔兰大学萨尔信息学校的研究人员填补了15个博士学位的五个职位。