Visualizzazione e analisi delle MLIC

VIAMLIC

Visualizzazione e Analisi delle MLIC

Referente

Contesto

Le Multi-Light Image Collections (MLIC) sono insiemi di immagini digitali di un oggetto acquisite dallo stesso punto di vista ma con condizioni di illuminazione variabili. Queste immagini forniscono grandi quantità di informazioni visuali relative sia alla forma della superficie e alla topologia, sia all’aspetto dei materiali. Tutto ciò da luogo allo sviluppo di una varietà di strumenti computazionali. Per utilizzare le MLIC in modo efficiente ed efficace per rappresentare o trasmettere contenuti visivi ai ricercatori operanti in diversi settori e al pubblico in generale sono necessari algoritmi che eseguano ricostruzioni 3D, tecniche di Image-Based Relighting, estrazione dei contorni, rendering non fotorealistico e altre numerose operazioni.

Descrizione

Il CRS4, in collaborazione con UNIVR, ha sviluppato una pipeline di elaborazione e visualizzazione MLIC in grado di estrarre informazioni significative di forma e colore dalle immagini catturate con luci direzionali o puntiformi. Le soluzioni sviluppate includono metodi di calibrazione fotometrica e geometrica, tecniche parallele e robuste di fitting matte-model, BRDF fitters, metodi avanzati di interpolazione e visualizzatori basati sul web che supportano la reilluminazione interattiva in ambienti multispettrali. I metodi proposti sono finalizzati alla caratterizzazione e visualizzazione di oggetti (per lo più piatti).

Tratti innovativi

• metodi di montaggio robusti per affrontare le imprecisioni di cattura e le anomalie(ad esempio, ombre, pendii);
• pipeline completa end-to-end, dalla cattura all’estrazione e visualizzazione delle caratteristiche;
• presentazione interattiva dei dati utilizzando un approccio deferred shading.

Potenziali utenti

Ricercatori in Visual Computing, esperti del patrimonio culturale.

Settori d’impatto

Istituzioni Culturali – Musei.

Ulteriori risorse

1. Ruggero Pintus, Tinsae Dulecha, Alberto Jaspe Villanueva, Andrea Giachetti, Irina Ciortan, and Enrico Gobbetti. Objective and Subjective Evaluation of Virtual Relighting from Reflectance Transformation Imaging Data. In The 15th Eurographics Workshop on Graphics and Cultural Heritage, October 2018.
2. Irina Ciortan, Ruggero Pintus, Enrico Gobbetti, and Andrea Giachetti. Aging Prediction of Cultural Heritage Samples Based on Surface Microgeometry. In The 15th Eurographics Workshop on Graphics and Cultural Heritage, October 2018.
3. Andrea Giachetti, Irina Ciortan, Claudia Daffara, Giacomo Marchioro, Ruggero Pintus, and Enrico Gobbetti. A Novel Framework for Highlight Reflectance Transformation Imaging. Computer Vision and Image Understanding, 168: 118-131, 2018.