Künstliche Intelligenz erzeugt 3D-Modelle aus 2D-Bildern

Share on facebook
Share on twitter
Share on linkedin
Share on xing
Share on whatsapp
Share on email
Share on print

Künstliche Intelligenz erzeugt 3D-Modelle aus 2D-Bildern

Share on facebook
Share on twitter
Share on linkedin
Share on xing
Share on whatsapp
Share on email
Share on print

Ein neues Verfahren namens SurfNet setzt auf maschinelles und tiefes Lernen, um 3D-Formen aus 2D-Bildern wie Fotografien zu gewinnen. Es kann damit sogar völlig neuartige, nie zuvor gesehene Formen erschaffen. Noch in der Entwicklung, könnte SurfNet in Zukunft die 3D-Suche im Internet vereinfachen, aber auch Robotern und autonomen Fahrzeugen helfen, ihre 3D-Umgebung basierend auf 2D-Bildern besser zu verstehen und zu interpretieren.

purdue_ramani-airplanes

Ein neues Verfahren namens SurfNet setzt auf maschinelles und tiefes Lernen, um 3D-Formen aus 2D-Bildern wie Fotografien zu gewinnen. Es kann damit sogar völlig neuartige, nie zuvor gesehene Formen erschaffen. Noch in der Entwicklung, könnte SurfNet in Zukunft die 3D-Suche im Internet vereinfachen, aber auch Robotern und autonomen Fahrzeugen helfen, ihre 3D-Umgebung basierend auf 2D-Bildern besser zu verstehen und zu interpretieren.

Karthik Ramani, Professor of Mechanical Engineering an der Purdue University, sagt, dass die „magische“ Fähigkeit der Deep-Learning-Algorithmen darin bestehe, auf abstrakte Weise zu lernen. Wenn man ihnen hunderttausende Formen, beispielsweise eines Autos vorsetze und ihnen dann ein 2D-Bild eines Autos zeige, dann können sie das Modell in 3D rekonstruieren. Das Verfahren kann sogar zwei 2D-Bilder hernehmen und daraus ein 3D-Modell machen.

YouTube

Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren

Video laden

Video: Machine Learning „Hallucinates“ 3D Objects From 2D Images. Quelle: Purdue University

Ist die Methode namens SurfNet erst einmal voll entwickelt, könnte sie wichtige Anwendungen im Bereich der 3D-Suche im Internet mit sich bringen, aber auch Robotern und autonomen Fahrzeugen helfen, ihre Umgebung besser zu begreifen. Doch am spannendsten ist sicher die Möglichkeit, 3D-Inhalte für Virtual und Augmented Reality einfach aus 2D-Fotos zu generieren.

„Stellen Sie sich eine Filmkamera vor, die Bilder in 2D aufnimmt, aber in der VR-Welt erscheint alles wie von Zauberhand in 3D“, sagt Ramani. Schritt für Schritt komme man dorthin, und in den nächsten Jahren werde derartiges passieren, ist sich Ramani sicher. Schon bald werde man nicht mehr zwischen Realität und Virtueller Realität unterscheiden können.

Das Rechnersystem erfasst die 3D- und 2D-Bilder paarweise und kann dann andere, ähnliche 3D-Formen aus nur einem 2D-Bild vorhersagen. Ramani vergleicht das mit der Funktionsweise eines Scanners, die auf den drei Farben Rot, Grün und Blau beruht, um daraus ein farbiges Bild zu schaffen, nur dass man hier die XYZ-Koordinaten verwende. Das Verfahren erzielt eine größere Genauigkeit als bestehende 3D-Deep-Learning-Verfahren, die eher mit volumetrischen Pixeln (Voxeln) arbeiten.

„Wir verwenden vielmehr die Oberflächen, denn sie definieren die Form vollständig. Das ist eine Art interessanter Nebeneffekt dieser Methode. Weil wir im 2D-Bereich arbeiten, um 3D-Strukturen zu rekonstruieren, können wir anstelle von 1‘000 Datenpunkten wie mit anderen neueren Verfahren 10‘000 Datenpunkte berechnen. Wir sind effizienter und kompakter“, erklärt Ramani.

Ein wichtiges Ergebnis der Forschungsarbeit könnte sich in der Robotik, der Objekterkennung und sogar bei automatisierten Fahrzeugen auszahlten: Man müsste sie lediglich mit Standard-2D-Kameras ausstatten und doch könnten sie ihre 3D-Umgebung verstehen.

Ramani gibt zu bedenken, dass die Entwicklung weiter gehen müsse und vertiefende Forschung im Bereich der AI erforderlich sei.

Bild: Rechner, die mit der neuen, an der Purdue University entwickelten AI-Methode arbeiten, können 3D-Formen aus 2D-Bildern generieren. Hier bilden Fotos von Flugzeugen die Grundlage. Das Verfahrene könnte sich in VR/AR-Anwendungen und der Robotik als nützlich erweisen. Bild: Purdue University

 

Share on facebook
Facebook
Share on twitter
Twitter
Share on linkedin
LinkedIn
Share on xing
XING
Share on whatsapp
WhatsApp
Share on email
E-Mail
Share on print
Drucken

Ihre Meinung zum Artikel

Abonnieren
Benachrichtige mich bei
guest
0 Comments
Inline Feedbacks
View all comments

Andere Leser haben sich auch für die folgenden Artikel interessiert

Redaktionsbrief

Tragen Sie sich zu unserem Redaktionsbrief ein, um auf dem Laufenden zu bleiben.

Wir wollen immer besser werden!

Deshalb fragen wir SIE, was Sie wollen!

Nehmen Sie an unserer Umfrage teil, und helfen Sie uns noch besser zu werden!

zur Umfrage

Aktuelle Ausgabe

Topthema: Antriebskomponenten optimal berechnen und simulieren

Berechnungsprogramm KISSsoft 2020

Mehr erfahren

Tragen Sie sich jetzt kostenlos und unverbindlich ein, um keinen Artikel mehr zu verpassen!

* Jederzeit kündbar

Entdecken Sie weitere Magazine

Schön, dass Sie sich auch für weitere Fachmagazine unseres Verlages interessieren.

Unsere Fachtitel beleuchten viele Aspekte der Digitalen Transformation entlang der Wertschöpfungskette und sprechen damit unterschiedliche Leserzielgruppen an.