Cấu trúc từ chuyển động
Cấu trúc từ Chuyển động (SfM) tái tạo lại hình học cảnh 3D và vị trí camera từ một tập hợp các ảnh 2D chồng chéo được chụp từ các góc nhìn khác nhau.
Tổng quan
It is the backbone of 3D mapping, photogrammetry, and modern reconstruction pipelines.
Lặn sâu
SfM giải quyết hai ẩn số kết hợp cùng một lúc: vị trí của mỗi máy ảnh khi chụp ảnh và vị trí của các điểm 3D trên thế giới. Nó bắt đầu bằng cách phát hiện các điểm đặc trưng riêng biệt (sử dụng các công cụ dò tìm như SIFT) trong mọi hình ảnh, sau đó khớp cùng một điểm vật lý trên nhiều ảnh. Bằng cách sử dụng những sự tương ứng này và hình học về cách các điểm 3D chiếu lên hình ảnh 2D, hệ thống sẽ ước tính các tư thế tương đối của máy ảnh thông qua hình học epipole. Các điểm được sắp xếp thành một đám mây 3D thưa thớt và một tính năng tối ưu hóa toàn cầu có tên là điều chỉnh gói sẽ tinh chỉnh tất cả các camera và các điểm lại với nhau để giảm thiểu lỗi chiếu lại. Kết quả là một đám mây điểm thưa thớt cộng với các vị trí camera đã được hiệu chỉnh - nền tảng thiết yếu mà các phương pháp tái tạo dày đặc hơn dựa vào đó.
Hiểu biết kỹ thuật
Trọng tâm toán học của SfM là điều chỉnh gói: tối ưu hóa bình phương nhỏ nhất phi tuyến tính lớn, đồng thời điều chỉnh mọi tư thế và nội tại của mọi máy ảnh cũng như mọi điểm 3D để các hình chiếu của chúng phù hợp nhất với các vị trí đối tượng 2D được quan sát. Nó giảm thiểu 'lỗi chiếu lại' - khoảng cách pixel giữa nơi một điểm rơi vào hình ảnh và nơi ước tính 3D hiện tại cho biết nó sẽ hạ cánh - thường thông qua Levenberg-Marquardt.
Tác động chiến lược
Tốc độ và tỷ lệ
Visual AI có thể tự động hóa các nhiệm vụ kiểm tra, phát hiện và gắn thẻ trên quy mô lớn.
Xây dựng lựa chọn
Các nhóm sáng tạo có thể tạo nguyên mẫu nhanh hơn với ít sửa đổi thủ công hơn.
Nhóm và quy trình làm việc
Các hoạt động có thể sử dụng tín hiệu hình ảnh và video mà trước đây khó xử lý.
Tương lai của cấu trúc từ chuyển động
SfM ngày càng được hợp nhất với học sâu: các trình phát hiện và so khớp tính năng đã học (như SuperPoint và SuperGlue) xử lý các cảnh không có kết cấu hoặc lặp đi lặp lại mà SIFT cổ điển gặp khó khăn. Nó cũng cung cấp các biểu diễn cảnh thần kinh như NeRF và Gaussian Splatting, những thứ cần các tư thế máy ảnh mà SfM cung cấp. Mong đợi các quy trình từ đầu đến cuối nhanh hơn, mạnh mẽ hơn, SfM thời gian thực trên điện thoại cho AR và kết nối chặt chẽ hơn với SLAM để lập bản đồ trực tiếp trong robot và điều hướng tự động.
Triển khai trong thế giới thực
Phép đo ảnh bằng máy bay không người lái biến các bộ ảnh trên không thành địa hình 3D và xây dựng các mô hình để khảo sát
Khôi phục tư thế camera để khởi động lại quá trình tái tạo cảnh NeRF và Gaussian Splatting
Bảo tồn kỹ thuật số các di sản văn hóa và tượng dưới dạng mô hình 3D từ bộ sưu tập ảnh du lịch
Tái tạo hiện trường vụ án hoặc tai nạn ở dạng 3D từ ảnh của điều tra viên để phân tích pháp y
Rủi ro & lan can
Quyền và sự đồng ý về hình ảnh có thể trở thành rủi ro pháp lý nếu nguồn gốc xuất xứ không rõ ràng.
Hiệu suất của mô hình có thể khác nhau tùy theo ánh sáng, nhân khẩu học và môi trường.
Kết quả dương tính giả có thể không được chú ý trừ khi ngưỡng tin cậy được theo dõi.
Lộ trình thực hiện
Xác định tiêu chí chấp nhận về độ chính xác, thu hồi và chi phí lỗi.
Kiểm tra với dữ liệu phù hợp với điều kiện sản xuất thực tế.
Thêm đánh giá của con người đối với những dự đoán có độ tin cậy thấp hoặc tác động cao.
Theo dõi sự trôi dạt của mô hình và xác nhận lại sau khi thay đổi máy ảnh hoặc tập dữ liệu.
Tiếp tục khám phá
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Structure from Motion quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Hướng dẫn tiếp theo
Tạo chuyển động AnimateDiff
Câu hỏi thường gặp
What is Structure from Motion?
Cấu trúc từ Chuyển động (SfM) tái tạo lại hình học cảnh 3D và vị trí camera từ một tập hợp các ảnh 2D chồng chéo được chụp từ các góc nhìn khác nhau. Nó là xương sống của lập bản đồ 3D, phép đo ảnh và tái thiết hiện đại.
Cấu trúc từ Chuyển động ước tính đồng thời hai điều gì?
SfM cùng nhau giải quyết hình học 3D của cảnh và vị trí của mỗi camera khi chụp từng hình ảnh.
Vai trò của tính năng khớp trong SfM là gì?
Việc khớp các đặc điểm được phát hiện (ví dụ: điểm chính SIFT) trên các ảnh sẽ mang lại sự tương ứng cần thiết để suy ra hình học.
Điều chỉnh gói tối ưu hóa điều gì?
Điều chỉnh gói là một sàng lọc bình phương nhỏ nhất phi tuyến tính toàn cầu giúp giảm thiểu khoảng cách pixel giữa các điểm được quan sát và được chiếu.
SfM thường trực tiếp sản xuất loại đầu ra 3D nào?
SfM mang lại một tập hợp thưa thớt các điểm tam giác và vị trí camera; phương pháp dày đặc hơn là cần thiết cho các bề mặt đầy đủ.
Khái niệm hình học nào liên quan đến các điểm tương ứng giữa hai góc nhìn của camera?
Hình học epi cực hạn chế trong đó một điểm nhìn thấy trong một hình ảnh có thể xuất hiện trong một hình ảnh khác, cho phép ước tính tư thế.