Fotogrammetrie en NeRF vergeleken
- 3D
Om objecten en omgevingen na te bouwen met behulp van 3D-modellen, zijn realistische beelden van het origineel een absolute must. Fotogrammetrie en NeRF zijn de twee methodes die we daarbij het vaakst inzetten. Ze helpen ons allebei op verschillende manieren om levensechte 3D-omgevingen te maken.
Fotogrammetrie voor 3D
Onze beproefde methode om realistische 3D-modellen te bouwen, is fotogrammetrie. Daarbij leggen onze fotografen een object of omgeving vast door een heleboel verschillende foto's vanuit verschillende hoeken te nemen. In de studio worden die beelden vervolgens opgeschoond en met speciale software verwerkt tot een model of omgeving in 3D. Onze softwaretools interpreteren de camerahoek en -positie om zo de afstand tot elk object te berekenen en een locatie van elke pixel in beeld te bepalen. Met wat extra creativiteit en kunde van ons team kunnen we zo een reeks 2D-beelden omtoveren tot een 3D-mesh, die als basislaag dient voor ons uitgewerkte 3D-model. Fotogrammetrie is een uitstekende techniek voor allerlei projecten - we hebben er zelfs de historische Sint-Romboutstoren in Mechelen mee nagebouwd.
NeRF: 3D-modellen met behulp van AI
De laatste jaren krijgt fotogrammetrie steeds meer concurrentie van NeRF als hulpmiddel voor het bouwen van 3D-modellen en werelden. NeRF staat voor Neural Radiance Field en gebruikt machine learning om 3D-modellen te maken. In tegenstelling tot fotogrammetrie, waarbij tot wel honderden foto’s nodig zijn om een omgeving nauwkeurig in kaart te brengen, kan NeRF met veel minder beelden een goed resultaat bereiken. De kunstmatige intelligentie interpreteert automatisch de verschillende foto’s en het algoritme is zelfs in staat om blinde vlekken in het bronmateriaal in te vullen.
NeRF or photogrammetry?
Photogrammetry is a well-established technique that has been around for years. It allows us to create the most realistic environments and immersive experiences you can imagine. This quality comes at a cost: to ensure maximum quality, we rely on a lot of photographs, which take time, skill and dedication to process. We prefer using photogrammetry to map large environments and monumental buildings.
NeRF’s key advantage is that it’s generally faster and more efficient than photogrammetry. Additionally, the neural network that powers the AI processing allows us to partially compensate for noise, distortions or missing information. This fast approach opens up possibilities for fast content production where cost-efficiency is key, including in media and virtual training environments.