NGHIÊN CỨU VÀ ĐÁNH GIÁ CÁC PHƯƠNG PHÁP TÁI TẠO MÔ HÌNH 3D CỔ VẬT TỪ DỮ LIỆU VIDEO ĐA GÓC NHÌN

Abstract

Trong bối cảnh số hóa di sản văn hóa, việc tái tạo mô hình 3D cổ vật từ dữ liệu ảnh hoặc video đang trở thành nhu cầu cấp thiết nhằm bảo tồn và phục dựng hiện vật quý hiếm. Đề tài “Nghiên cứu và đánh giá các phương pháp tái tạo mô hình 3D cổ vật từ dữ liệu video đa góc nhìn” tập trung triển khai bốn kỹ thuật phổ biến hiện nay gồm: Photogrammetry (COLMAP), NeRF (Nerfacto), Instant-NGP và Gaussian Splatting. Dữ liệu đầu vào là video từ các thiết bị quay phổ thông, được xử lý thành ảnh đầu vào để huấn luyện mô hình 3D. Việc đánh giá được thực hiện bằng cách so sánh các mô hình 3D tạo ra qua các chỉ số định lượng PSNR, SSIM, LPIPS đối với các phương pháp học sâu, kết hợp đánh giá trực quan đối với tất cả các phương pháp. Kết quả thực nghiệm trên hai tập dữ liệu 65 và 90 ảnh cho thấy Gaussian Splatting đạt chất lượng vượt trội cả về PSNR, SSIM và LPIPS chỉ sau khoảng 5000 bước huấn luyện, Photogrammetry tái tạo hình học chính xác, ít nhiễu nhưng hạn chế ở bề mặt phản quang, Nerfacto cho màu sắc và ánh sáng tự nhiên, đạt kết quả tốt nhất ở khoảng 10000 bước nhưng bề mặt còn gồ ghề, Instant-NGP cho ra chất lượng thấp hơn và cần nhiều bước để cải thiện. Từ khóa: 3D reconstruction, Gaussian Splatting, Instant-NGP, Multi-view video,