دليل الذكاء الاصطناعي المرئي
ستيريو متعدد المشاهدة
يلتقط نظام Multi-View Stereo (MVS) العديد من الصور المعايرة للمشهد وينتج إعادة بناء كثيفة ثلاثية الأبعاد من خلال تقدير العمق عند كل بكسل تقريبًا.
استمع إلى هذا الدليلرواه الذكاء الاصطناعي · ~2 min
في هذه الصفحةقراءة لمدة دقيقتين
نظرة عامة
It turns the sparse skeleton from Structure from Motion into detailed, surface-rich 3D models.
الغوص العميق
تفترض MVS أن أوضاع الكاميرا معروفة بالفعل (عادةً من الهيكل من الحركة) وتركز على استعادة الهندسة الكثيفة. مبدأها الأساسي هو اتساق الصورة: يجب أن تبدو نقطة السطح ثلاثية الأبعاد المقدرة بشكل صحيح كما هي عند عرضها على الصور المتعددة التي تراها. تختبر الخوارزميات العمق المرشح لكل بكسل وتختار العمق الذي يتفق فيه المظهر عبر طرق العرض بشكل أفضل، وغالبًا ما يستخدم المطابقة المجسمة المجسمة أو المطابقة القائمة على التصحيح (كما هو الحال في طريقة PMVS الكلاسيكية). يتم بعد ذلك دمج خرائط العمق لكل صورة في سحابة أو شبكة نقطية موحدة، مما يؤدي إلى حل التعارضات وتصفية القيم المتطرفة. إن التعامل مع الانسدادات والجدران الخالية من الملمس والأسطح العاكسة هو الصعوبة الأساسية. تقوم شبكات MVS القائمة على التعلم، مثل MVSNet، الآن ببناء أحجام التكلفة وتنظيمها باستخدام تلافيفات ثلاثية الأبعاد لمزيد من القوة.
التنفيذ في العالم الحقيقي
إنشاء شبكات ثلاثية الأبعاد كثيفة ومفصلة للمباني والمناظر الطبيعية من الطائرات بدون طيار أو الصور الجوية
إنشاء عمليات مسح ثلاثية الأبعاد عالية الدقة للأشياء والمنتجات للتجارة الإلكترونية والألعاب والواقع الافتراضي
بناء التوائم الرقمية للمصانع ومواقع البناء للتفتيش والتخطيط
إعادة بناء التضاريس والهياكل التفصيلية من مجموعات الصور عبر الأقمار الصناعية أو على مستوى الشارع
مستقبل ستيريو متعدد المشاهدة
يعيد التعلم العميق تشكيل MVS: تتعلم شبكات مثل MVSNet والشبكات اللاحقة لها تكاليف المطابقة وتنظيم العمق من البداية إلى النهاية، والتعامل مع الأسطح الضعيفة والعاكسة بشكل أفضل بكثير من الأساليب المضبوطة يدويًا. يتقارب هذا المجال أيضًا مع العرض العصبي - حيث يقدم Gaussian Splatting وNeRF عمليات إعادة بناء كثيفة بديلة - مما يدفع MVS نحو دقة أعلى وأوقات تشغيل أسرع ونماذج دقيقة للواقع المعزز والروبوتات والتوائم الرقمية ورسم خرائط المدن ثلاثية الأبعاد على نطاق واسع.
وضعها موضع التنفيذ
لماذا يهم
- السرعة والحجم. يمكن للذكاء الاصطناعي المرئي أتمتة مهام الفحص والكشف ووضع العلامات على نطاق واسع.
- خيارات البناء. يمكن للفرق الإبداعية إنشاء نماذج أولية للمفاهيم بشكل أسرع مع عدد أقل من المراجعات اليدوية.
- الفريق وسير العمل. يمكن أن تستخدم العمليات إشارات الصور والفيديو التي كان من الصعب معالجتها في السابق.
احترس من
- يمكن أن تصبح حقوق الصور والموافقة مخاطر قانونية إذا كان المصدر غير واضح.
- يمكن أن يختلف أداء النموذج عبر الإضاءة والتركيبة السكانية والبيئات.
- قد تمر الإيجابيات الكاذبة دون أن يلاحظها أحد ما لم تتم مراقبة عتبات الثقة.
الخطوات التالية
- تحديد معايير القبول لتكاليف الدقة والاستدعاء والخطأ.
- اختبار مع البيانات التي تتوافق مع ظروف الإنتاج الحقيقية.
- أضف مراجعة بشرية للتنبؤات منخفضة الثقة أو عالية التأثير.
- تتبع انحراف النموذج وإعادة التحقق من صحته بعد تغيير الكاميرا أو مجموعة البيانات.
استمر في الاستكشاف
رسالة إخبارية مجانية
احصل على الإحاطة اليومية لمنظمة العفو الدولية
ثلاث قصص تم التحقق منها بواسطة الذكاء الاصطناعي كل صباح من أيام الأسبوع، مكتوبة باللغة الإنجليزية البسيطة. مجاني للأبد، بدون إعلانات.
بريد إلكتروني واحد كل يوم من أيام الأسبوع. إلغاء الاشتراك بنقرة واحدة. نحن لا نبيع أو نشارك عنوانك أبدًا.
اختبر نفسك
Take the Multi-View Stereo quiz
تعليقات فورية على كل إجابة، وشهادة قابلة للمشاركة مع معرف يمكن التحقق منه بمجرد اجتياز الدورة التدريبية.
دعم تعليم الذكاء الاصطناعي المجاني. AI Understanding هي منظمة 501(c)(3) غير ربحية - لا إعلانات ولا نظام حظر الاشتراك غير المدفوع على الإطلاق. قم بالتبرع
الأسئلة المتداولة
What is Multi-View Stereo?
يلتقط نظام Multi-View Stereo (MVS) العديد من الصور المعايرة للمشهد وينتج إعادة بناء كثيفة ثلاثية الأبعاد من خلال تقدير العمق عند كل بكسل تقريبًا. إنه يحول الهيكل العظمي المتناثر من الهيكل من الحركة إلى نماذج ثلاثية الأبعاد مفصلة وغنية بالسطح.
ما الذي يفترض عادةً أن نظام Multi-View Stereo معروف بالفعل قبل أن يبدأ؟
تعتمد تقنية MVS على مواضع الكاميرا المعايرة، والتي يتم توفيرها عادةً بواسطة Structure from Motion، وتركز على العمق الكثيف.
ما المبدأ الأساسي الذي تستخدمه MVS للعثور على النقاط ثلاثية الأبعاد الصحيحة؟
يجب أن تظهر نقطة السطح الصحيحة متسقة عند عرضها على جميع الصور التي تراقبها.
كيف تختلف MVS عن مخرجات الهيكل من الحركة؟
SfM ينتج سقالة متناثرة؛ يقوم MVS بتكثيفه إلى أسطح تفصيلية تغطي كل بكسل تقريبًا.
ماذا يفعل ستيريو الاجتياح الطائرة؟
فهو يختبر العديد من الأعماق المرشحة عن طريق مسح المستوى وحساب تكلفة المطابقة في كل طبقة.
ما هي الأسطح التي تمثل تحديًا خاصًا لـ MVS؟
تفتقر الجدران الفارغة إلى ميزات قابلة للمطابقة، وتنتهك المرايا/الأسطح اللامعة تناسق الصورة، مما يؤدي إلى كسر المطابقة القياسية.
استمر في التعلم
أدلة ذات صلة
تم اختيار المزيد من الأدلة لهذا الموضوع