www.mexicoindustrial.net
15
'26
Written on Modified on
NEC y la Universidad de Keio desarrollan una tecnología rápida de modelado 3D impulsada por IA
NEC Corporation ha desarrollado un sistema basado en IA para generar modelos 3D detallados en un minuto a partir de grabaciones estándar de teléfonos inteligentes mediante la optimización de la densidad de puntos.
www.nec.com
NEC Corporation, en colaboración con el Centro de Investigación de IA de Keio, ha desarrollado una tecnología que utiliza inteligencia artificial patentada para generar modelos 3D altamente detallados en tan solo un minuto. El sistema funciona únicamente con secuencias de video capturadas con cámaras de uso general, como las integradas en los teléfonos inteligentes, y elimina automáticamente los sujetos transitorios o innecesarios del renderizado final. La tecnología está diseñada para replicar con precisión las condiciones del lugar sin requerir hardware especializado costoso ni interrumpir los entornos de trabajo activos. NEC planea comercializar la tecnología dentro del año fiscal 2027, apuntando a aplicaciones de gemelos digitales en las industrias de infraestructura, servicios públicos y construcción.
Superando las limitaciones del video y los obstáculos del modelado espacial
Los operadores de infraestructura modernos y las empresas de construcción comparten cada vez más transmisiones de video en vivo con supervisores remotos para gestionar la escasez de mano de obra y minimizar los gastos de viaje por inspección. Sin embargo, la grabación de video tradicional dificulta que los equipos remotos aíslen rápidamente puntos de vista específicos o ajusten dinámicamente los ángulos para inspeccionar detalles poco claros.
Aunque los gemelos digitales basados en modelos 3D ofrecen una inspección con un punto de vista libre, su adopción generalizada se ha visto limitada por obstáculos técnicos. Los métodos estándar de fotogrametría y escaneo láser requieren sensores especializados costosos, necesitan detener las operaciones en el sitio durante la filmación para evitar capturar a los trabajadores transitorios y exigen extensos tiempos de procesamiento fuera del sitio para renderizar el modelo final.
Para resolver estos cuellos de botella operativos, el proyecto colaborativo combinó el Gaussian Splatting (una técnica de renderizado espacial que se utiliza cada vez más para la generación de fondos en el cine y la animación) con un procesamiento personalizado mediante redes neuronales. La combinación permite una reconstrucción espacial rápida y de alta fidelidad utilizando cámaras de dispositivos móviles sin detener las operaciones en curso.
Optimización espacial y funciones de eliminación de objetos
La tecnología incorpora dos innovaciones de software clave para optimizar la eficiencia del procesamiento y garantizar la precisión del modelo:
- Análisis de complejidad visual y distribución adaptativa de partículas: El sistema evalúa automáticamente la complejidad geométrica y visual del video de origen fotograma por fotograma. En áreas complejas o con mucha textura, el software agrupa densamente las partículas gaussianas 3D. En regiones simples o uniformes, como paredes y pisos planos, la distribución de partículas se reduce significativamente. Esta optimización adaptativa mantiene todos los detalles visuales al tiempo que minimiza el recuento total de partículas, lo que reduce la carga computacional y recorta los tiempos de generación de modelos en un 90% en comparación con los métodos convencionales de Gaussian Splatting.
- Eliminación de sujetos transitorios y reconstrucción del fondo (Inpainting): Durante el proceso de reconstrucción 3D, la IA detecta y filtra automáticamente los sujetos temporales, como el personal en movimiento, los vehículos y los materiales transitorios. Para evitar vacíos en la escena 3D completada, el algoritmo infiere y reconstruye las estructuras de fondo faltantes en función de los datos espaciales circundantes. Esto produce un modelo 3D estático y sin obstrucciones que representa el diseño permanente de la instalación.
Los modelos 3D resultantes son compatibles con computadoras o tabletas comunes. Esto permite a los ingenieros de campo y a los coordinadores remotos evaluar de inmediato las condiciones del sitio, realizar inspecciones virtuales y acelerar la toma de decisiones durante anomalías operativas.
Contexto adicional
Esta sección detalla especificaciones técnicas no incluidas en el comunicado de prensa original.
Las líneas de trabajo tradicionales de reconstrucción 3D se basan en Structure-from-Motion (SfM) y Multi-View Stereo (MVS) para construir mallas poligonales densas, lo que requiere un tiempo de procesamiento sustancial. El Gaussian Splatting acelera este proceso al representar el espacio 3D como una colección de elipsoides 3D continuos y semitransparentes (gaussianos) en lugar de puntos poligonales rígidos y discretos. Cada partícula gaussiana se define matemáticamente por su posición espacial, escala, rotación, color y opacidad.
La plataforma de NEC y la Universidad de Keio refina esta técnica integrando un analizador activo de complejidad visual antes del paso de optimización. El splatting convencional distribuye las partículas de manera uniforme a lo largo de una escena y se apoya en un lento algoritmo de poda y división (pruning-and-splitting) para refinar los detalles.
Por el contrario, esta tecnología emplea un algoritmo de detección de bordes y mapeo de gradientes de textura en tiempo real para estimar la frecuencia espacial localizada. El sistema utiliza estos mapas de densidad para asignar las semillas gaussianas iniciales. Esta colocación preoptimizada permite que el motor neuronal eluda las iteraciones redundantes de partículas en superficies planas. Concentra la potencia de procesamiento de la GPU únicamente en superficies complejas, comprimiendo toda la secuencia de renderizado en un marco operativo de un minuto.
Editado por Romila DSilva, editora de Induportals, con asistencia de IA.
Contexto adicional
Esta sección detalla especificaciones técnicas no incluidas en el comunicado de prensa original.
Las líneas de trabajo tradicionales de reconstrucción 3D se basan en Structure-from-Motion (SfM) y Multi-View Stereo (MVS) para construir mallas poligonales densas, lo que requiere un tiempo de procesamiento sustancial. El Gaussian Splatting acelera este proceso al representar el espacio 3D como una colección de elipsoides 3D continuos y semitransparentes (gaussianos) en lugar de puntos poligonales rígidos y discretos. Cada partícula gaussiana se define matemáticamente por su posición espacial, escala, rotación, color y opacidad.
La plataforma de NEC y la Universidad de Keio refina esta técnica integrando un analizador activo de complejidad visual antes del paso de optimización. El splatting convencional distribuye las partículas de manera uniforme a lo largo de una escena y se apoya en un lento algoritmo de poda y división (pruning-and-splitting) para refinar los detalles.
Por el contrario, esta tecnología emplea un algoritmo de detección de bordes y mapeo de gradientes de textura en tiempo real para estimar la frecuencia espacial localizada. El sistema utiliza estos mapas de densidad para asignar las semillas gaussianas iniciales. Esta colocación preoptimizada permite que el motor neuronal eluda las iteraciones redundantes de partículas en superficies planas. Concentra la potencia de procesamiento de la GPU únicamente en superficies complejas, comprimiendo toda la secuencia de renderizado en un marco operativo de un minuto.
Editado por Romila DSilva, editora de Induportals, con asistencia de IA.
