چکیده مقاله
بازسازی سه بعدی صحنه ها براساس تصاویر دو بعدی یکی از موضوعات کلیدی در علوم نقشه برداری، ژئوماتیک، گرافیک رایانه ای و بینایی ماشین است طی سال های اخیر، ظهور روش های مبتنی بر یادگیری عمیق تحولی بنیادین در این حوزه ایجاد کرده است در این مقاله، سه روش شاخص شامل Neural Radiance Fields NeRF ، Differentiable Inverse Rendering DIR و ۳D Gaussian Splatting GS به صورت مروری و مقایسه ای بررسی شده اند روش NeRF با معرفی بازنمایی میدان تابشی پنج بعدی، کیفیت بالایی در رندر نماهای جدید فراهم کرد، اما به دلیل نیاز محاسباتی زیاد و سرعت پایین محدودیت دارد روش DIR با بهره گیری از مش های مثلثی، نورپردازی فیزیکی و رندرینگ قابل تفاضل، سازگاری بیشتری با موتورهای گرافیکی سنتی ایجاد می کند در مقابل، روش GS رویکردی نوین مبتنی بر مجموعه ای از گاوسی های سه بعدی ارائه داده است که امکان رندر بلادرنگ با کیفیت بالا را فراهم می سازد مقایسه این سه رویکرد براساس معیارهایی نظیر کیفیت بازسازی، سرعت آموزش و رندر، مصرف حافظه و قابلیت سازگاری با ابزارهای موجود انجام شد نتایج بررسی نشان می دهد که NeRF بیشتر برای پژوهش های علمی و تولید نماهای با کیفیت بالا مناسب است، DIR در کاربردهای گرافیکی و صنعتی ارزشمند است و GS بهترین گزینه برای محیط های تعاملی و واقعیت مجازی/افزوده محسوب می شود
کلیدواژهها
نویسندگان
شیوه ارجاع
�سن تیموری، پروین و سعادت سرشت، محمد و زکی زاده، سیدرضا،1404،مروری بر روش های نوین بازسازی سه بعدی شامل NeRF، Differentiable Inverse Rendering و Gaussian Splatting،بیست و نهمین همایش و نمایشگاه ملی مهندسی نقشه برداری و اطلاعات مکانی ژئوماتیک ۱۴۰۴ و پنجمین نمایشگاه بین المللی ایران ژئو،تهران
ارائهشده در
مجموعه مقالات بیست و نهمین همایش و نمایشگاه ملی مهندسی نقشه برداری و اطلاعات مکانی ژئوماتیک ۱۴۰۴ و پنجمین نمایشگاه بین المللی ایران ژئو29 آبان 1404 · تهران