Reparación de mallas 3D con deep learning

Abstract

El estudio se centra en la problemática de la reconstrucción de los Khachkars (esculturas de piedra armenias) que presentan secciones incompletas al llevarlo a su representación en nubes de puntos o malla, más específicamente, en la parte superior de las esculturas, donde la visión de las cámaras no llega a captar. En el contexto del proyecto de investigación 3D Armenia [1], estas incompletitudes dificultan la preservación y estudio detallado de estos elementos culturales, lo que motiva la necesidad de desarrollar métodos para su reconstrucción completa.

El objetivo principal de este trabajo es reconstruir los Khachkars completando las partes faltantes en la nube de puntos [35]. Esto permitirá una representación más fiel y completa de estas piezas históricas, facilitando su análisis y conservación. Para esto se propone un método basado en la unión de puntos generados a partir del resultado de la reconstrucción de la malla dada por el modelo Differentiable Blocks World [30] y los puntos originales de la escena de la escultura. Este enfoque busca integrar las secciones faltantes de manera coherente con la geometría y características originales de los Khachkars, logrando una reconstrucción más completa y detallada.

Los resultados muestran que la reconstrucción de la parte superior captura la forma general, pero presenta fallas con bordes incompletos y textura que no es correcta. Los colores son similares pero no idénticos y en algunas ocasiones se confunden con el fondo de la escena.