Un nuevo enfoque computacional, construido sobre técnicas basadas en datos, está haciendo posible convertir un simple boceto en 2-D en una forma realista de 3-D, con poca o ninguna intervención del usuario necesaria.

Un equipo global de informáticos de la Universidad de Hong Kong, Microsoft y la Universidad de Columbia Británica, han desarrollado un marco novedoso, combinando CNN, o técnicas de redes neuronales convolucionales, con métodos de inferencia geométrica para calcular bocetos y sus correspondientes formas tridimensionales, más rápido e intuitivo que los métodos existentes.

"Los artistas pueden utilizar nuestra herramienta para crear rápida y fácilmente formas libres que pueden servir como formas base y perfeccionarse aún más con un software de modelado avanzado. "dice Hao Pan, investigador de Microsoft Research Asia que dirigió el trabajo. "Los usuarios novatos también pueden usarlo como una herramienta accesible para crear contenidos elegantes para sus creaciones 3D y mundos virtuales".

El nuevo método se basa en el trabajo de modelado 3D basado en bocetos anterior del equipo, BendSketch:Modelado de superficies de forma libre mediante bocetos 2-D, un método puramente geométrico que requiere entradas de boceto anotadas. Agrega Pan, "Queremos desarrollar un método que sea inteligente, en el sentido de que requiera la menor cantidad posible de entradas del usuario y haga todas las inferencias necesarias automáticamente, y genérico, para que no tengamos que entrenar un nuevo modelo de aprendizaje automático para cada categoría de objeto específica ".

Los colaboradores de Pan, Changjian Li y Wenping Wang, de la Universidad de Hong Kong; Yang Liu y Xin Tong de Microsoft Research Asia; y Alla Sheffer de la Universidad de Columbia Británica, estará presente en SIGGRAPH Asia 2018 en Tokio del 4 al 7 de diciembre. La conferencia anual presenta a los miembros técnicos y creativos más respetados en el campo de los gráficos por computadora y las técnicas interactivas, y muestra investigaciones científicas de vanguardia, Arte, juegos y animación, entre otros sectores.

Es un desafío fácilmente, transformar automáticamente un escaso, boceto 2-D imperfecto a una robusta forma tridimensional. El desafío clave que los investigadores abordaron en este trabajo es la significativa disparidad de información presentada entre las etapas de 'boceto' y modelo '3-D'. Aquí es donde el artista rellenaría características como protuberancias, enfermedad de buzo, pliegues valles, crestas en los dibujos de la superficie para crear un diseño 3-D. Para cada boceto, demostrado en su papel, el método utiliza una CNN para predecir el parche de superficie tridimensional.

La CNN de los investigadores está capacitada en un gran conjunto de datos generado mediante la representación de bocetos de varias formas 3-D utilizando una representación de líneas no fotorrealista. o NPR, método que imita automáticamente el boceto humano de formas libres:formas, incluido el de un osito de peluche, un pájaro o un pez, por ejemplo. Los investigadores validaron su nuevo enfoque, lo comparó con los métodos existentes y evaluó su desempeño. Los resultados demostraron que su método proporciona una nueva forma de producir modelado 3-D a partir de bocetos 2-D de una manera más robusta y fácil de usar.

Un ejemplo, incluido en su trabajo, involucró a usuarios novatos que fueron probados con el nuevo método. Los usuarios tienen poco conocimiento o capacitación sobre bocetos o modelado 3-D. Se les dio una demostración de capacitación de 20 minutos sobre el nuevo método. Luego se les pidió que crearan tres formas de destino:pájaro, osito de peluche y delfines, de diversa complejidad. Los usuarios lograron completar las tareas, que van desde solo 5 minutos hasta 20 minutos en total. Como se señaló en el documento, los participantes novatos encontraron los bocetos fáciles de producir con la herramienta de los investigadores, y algunos también querían explorar más con él.

En el trabajo futuro, los investigadores tienen la intención de explorar varias posibilidades y extensiones de su algoritmo. Por ejemplo, Actualmente, su método modela un parche de superficie cada vez dibujando a la vista, pero sería beneficioso poder modelar una forma completa dibujando parches delanteros y traseros en una sola vista. También esperan mejorar la herramienta para que pueda manejar el modelado de múltiples escalas, para que las formas a gran escala y los detalles de nivel fino se puedan dibujar con facilidad.