VIDEO: Crean una réplica exacta en 3D de un barrio de San Francisco a partir de 2,8 millones de fotos dentro de redes neuronales

Investigadores de la Universidad de Cornell (EE.UU.) han perfeccionado una nueva técnica de renderizado neuronal capaz de generar vistas tridimensionales de zonas urbanas desde cualquier ángulo.

El 'Neural Radiance Fields' (NeRF), es un método de aprendizaje profundo que permite recrear y explorar objetos dentro de redes neuronales utilizando solo fotografías de múltiples puntos de vista como entrada, sin la complejidad y el gasto de los métodos tradicionales de las imágenes generadas por computadora.

El nuevo método desarrollado por los investigadores, llamado 'Block-NeRF', puede representar entornos a gran escala, como barrios y ciudades enteras, según una versión preliminar del artículo publicado este jueves en arXiv.org. Los autores del trabajo, que incluye la participación de Google Research, utilizaron 2,8 millones de imágenes para crear la mayor escena neuronal jamás intentada: una serie de barrios de San Francisco.

Para ello, los investigadores tuvieron que descomponer una escena de gran tamaño en NeRFs entrenados individualmente, lo que permite un renderizado escalable para entornos arbitrariamente grandes y permite actualizar cada bloque por separado.

Según el artículo, 'Block-NeRF' puede renderizar datos recogidos a lo largo de varios meses en diversas condiciones meteorológicas y también alinea la imagen entre NeRFs adyacentes para que puedan combinarse fácilmente.

Las aplicaciones futuras de este trabajo podrían implicar esfuerzos de recopilación de datos aún mayores, algo que, según los autores, plantea más problemas de privacidad. "Aunque ya se pueden encontrar imágenes detalladas de las vías públicas en servicios como Google Street View, nuestra metodología podría promover escaneos repetidos y más regulares del entorno", sostienen.