www.indo-industry.com
15
'26
Written on Modified on
NEC dan Universitas Keio Kembangkan Teknologi Pemodelan 3D Cepat Berbasis AI
NEC Corporation telah mengembangkan sistem berbasis AI untuk menghasilkan model 3D terperinci dalam satu menit dari rekaman smartphone standar dengan mengoptimalkan kepadatan titik.
www.nec.com
NEC Corporation, bekerja sama dengan Keio AI Research Center, telah mengembangkan teknologi yang menggunakan kecerdasan buatan kepemilikan untuk menghasilkan model 3D yang sangat terperinci hanya dalam waktu satu menit. Sistem ini beroperasi semata-mata pada rekaman video yang ditangkap dengan kamera serbaguna, seperti yang terintegrasi ke dalam smartphone, dan secara otomatis menghapus objek sementara atau yang tidak diperlukan dari hasil akhir render. Teknologi ini dirancang untuk mereplikasi kondisi di lokasi secara tepat tanpa memerlukan perangkat keras khusus yang mahal atau mengganggu lingkungan kerja yang aktif. NEC berencana untuk mengomersialkan teknologi ini dalam tahun fiskal 2027, menargetkan aplikasi kembaran digital (digital twin) di seluruh industri infrastruktur, utilitas, dan konstruksi.
Mengatasi Kendala Video dan Hambatan Pemodelan Spasial
Operator infrastruktur modern dan perusahaan konstruksi semakin sering membagikan umpan video langsung dengan pengawas jarak jauh untuk mengelola kekurangan tenaga kerja dan meminimalkan biaya perjalanan inspeksi. Namun, perekaman video tradisional menyulitkan tim jarak jauh untuk mengisolasi sudut pandang tertentu secara cepat atau menyesuaikan sudut secara dinamis untuk memeriksa detail yang tidak jelas.
Meskipun kembaran digital yang dibangun di atas model 3D menawarkan inspeksi sudut pandang bebas, adopsi secara luas telah terhambat oleh kendala teknis. Metode fotogrametri standar dan pemindaian laser memerlukan sensor khusus yang mahal, mengharuskan penghentian operasi di lokasi selama pembuatan film untuk menghindari tertangkapnya pekerja sementara, dan menuntut waktu pemrosesan di luar lokasi yang lama untuk merender model akhir.
Untuk mengatasi hambatan operasional ini, proyek kolaboratif ini memasangkan Gaussian Splatting — teknik perenderaan spasial yang semakin banyak digunakan untuk pembuatan latar belakang dalam film dan animasi — dengan pemrosesan jaringan saraf tiruan kustom. Kombinasi ini memungkinkan rekonstruksi spasial yang cepat dan berakurasi tinggi menggunakan kamera perangkat seluler tanpa menghentikan operasi yang sedang berlangsung.
Fitur Optimasi Spasial dan Penghapusan Objek
Teknologi ini menggabungkan dua inovasi perangkat lunak utama untuk mengoptimalkan efisiensi pemrosesan dan memastikan akurasi model:
- Analisis Aksentuasi Visual & Distribusi Partikel Adaptif: Sistem secara otomatis mengevaluasi kompleksitas geometris dan visual dari video sumber bingkai demi bingkai. Di area yang kompleks otau bertekstur tinggi, perangkat lunak akan mengelompokkan partikel 3D Gaussian secara padat. Di wilayah yang sederhana atau seragam, seperti dinding dan lantai yang datar, distribusi partikel dikurangi secara signifikan. Optimasi adaptif ini mempertahankan detail visual penuh sekaligus meminimalkan jumlah agregat partikel, mengurangi beban komputasi dan memotong waktu pembuatan model hingga 90% dibandingkan dengan metode Gaussian Splatting konvensional.
- Penghapusan Objek Sementara & Pengisian Latar Belakang (Inpainting): Selama proses rekonstruksi 3D, AI secara otomatis mendeteksi dan menyaring objek sementara — seperti personel yang bergerak, kendaraan, dan material transisi. Untuk mencegah kekosongan pada adegan 3D yang telah selesai, algoritma menyimpulkan dan mengisi struktur latar belakang yang hilang berdasarkan data spasial di sekitarnya. Ini menghasilkan model 3D statis tanpa hambatan yang mewakili tata letak fasilitas permanen.
Model 3D yang dihasilkan kompatibel dengan komputer atau tablet biasa. Hal ini memungkinkan insinyur lapangan dan koordinator jarak jauh untuk segera menilai kondisi lokasi, melakukan inspeksi virtual, dan mempercepat pengambilan keputusan selama anomali operasional.
Konteks Tambahan
Bagian ini merinci spesifikasi teknis yang tidak termasuk dalam rilis berita asli.
Alur rekonstruksi 3D tradisional mengandalkan Structure-from-Motion (SfM) dan Multi-View Stereo (MVS) untuk membangun jaring poligon (polygon mesh) yang padat, yang memerlukan waktu pemrosesan yang substansial. Gaussian Splatting mempercepat proses ini dengan merepresentasikan ruang 3D sebagai kumpulan elipsoid 3D kontinu yang semi-transparan (Gaussian) daripada titik poligonal diskrit yang kaku. Setiap partikel Gaussian didefinisikan secara matematis oleh posisi spasial, skala, rotasi, warna, dan opasitasnya.
Platform NEC dan Universitas Keio menyempurnakan teknik ini dengan mengintegrasikan penganalisis kompleksitas visual aktif sebelum langkah optimasi. Splatting konvensional mendistribusikan partikel secara merata di seluruh adegan dan mengandalkan algoritma pemangkasan-dan-pembelahan (pruning-and-splitting) yang lambat untuk menyempurnakan detail.
Sebaliknya, teknologi ini menggunakan deteksi tepi waktu nyata dan algoritma pemetaan gradien tekstur untuk memperkirakan frekuensi spasial lokal. Sistem menggunakan peta kepadatan ini alih-alih mengalokasikan benih Gaussian awal. Penempatan yang dioptimalkan sebelumnya ini memungkinkan mesin saraf untuk melewati iterasi partikel yang redundan pada permukaan datar. Ini memusatkan daya pemrosesan GPU semata-mata pada permukaan yang kompleks, mengompresi seluruh urutan perenderaan ke dalam ruang operasional satu menit.
Diedit oleh Romila DSilva, Editor Induportals, dengan bantuan AI.
Konteks Tambahan
Bagian ini merinci spesifikasi teknis yang tidak termasuk dalam rilis berita asli.
Alur rekonstruksi 3D tradisional mengandalkan Structure-from-Motion (SfM) dan Multi-View Stereo (MVS) untuk membangun jaring poligon (polygon mesh) yang padat, yang memerlukan waktu pemrosesan yang substansial. Gaussian Splatting mempercepat proses ini dengan merepresentasikan ruang 3D sebagai kumpulan elipsoid 3D kontinu yang semi-transparan (Gaussian) daripada titik poligonal diskrit yang kaku. Setiap partikel Gaussian didefinisikan secara matematis oleh posisi spasial, skala, rotasi, warna, dan opasitasnya.
Platform NEC dan Universitas Keio menyempurnakan teknik ini dengan mengintegrasikan penganalisis kompleksitas visual aktif sebelum langkah optimasi. Splatting konvensional mendistribusikan partikel secara merata di seluruh adegan dan mengandalkan algoritma pemangkasan-dan-pembelahan (pruning-and-splitting) yang lambat untuk menyempurnakan detail.
Sebaliknya, teknologi ini menggunakan deteksi tepi waktu nyata dan algoritma pemetaan gradien tekstur untuk memperkirakan frekuensi spasial lokal. Sistem menggunakan peta kepadatan ini alih-alih mengalokasikan benih Gaussian awal. Penempatan yang dioptimalkan sebelumnya ini memungkinkan mesin saraf untuk melewati iterasi partikel yang redundan pada permukaan datar. Ini memusatkan daya pemrosesan GPU semata-mata pada permukaan yang kompleks, mengompresi seluruh urutan perenderaan ke dalam ruang operasional satu menit.
Diedit oleh Romila DSilva, Editor Induportals, dengan bantuan AI.
