Yapay zeka tabanlı 3D görselleştirme teknolojilerinde son yıllarda yaşanan gelişmeler, sanal ortamların gerçekçi bir şekilde yeniden oluşturulmasını mümkün kılıyor. NeRF (Neural Radiance Fields) ve Gaussian Splatting gibi yöntemler, fotoğraflardan hareketle etkileyici 3D sahneler üretebiliyor.
Ancak bu teknolojilerin görsel açıdan başarılı sonuçlar vermesi, geometrik doğruluk açısından da aynı performansı gösterdiği anlamına gelmiyor. Mevcut değerlendirme sistemleri genellikle görüntü kalitesine odaklanırken, yüzey geometrisinin ne kadar doğru olduğunu gözden kaçırıyor.
Bu eksiklik özellikle robotik uygulamalarda sorun teşkil ediyor. Bir robotun nesneyi doğru bir şekilde kavrayabilmesi veya manipüle edebilmesi için, o nesnenin 3D geometrisinin hassas bir şekilde bilinmesi gerekiyor. Görsel olarak etkileyici ama geometrik olarak hatalı bir model, robot için yanıltıcı olabilir.
Araştırmacılar bu sorunu çözmek için, nöral görselleştirme yöntemlerinin geometrik doğruluğunu sistematik olarak değerlendirebilen yeni bir yaklaşım geliştirdi. 19 farklı sahneyi içeren kapsamlı bir test seti oluşturarak, NeRF ve Gaussian Splatting gibi teknolojilerin yüzey ve şekil doğruluğu açısından karşılaştırmalı analizini yapıyor.
Bu çalışma, geleneksel görsel metrikleri tamamlayarak, 3D yeniden yapılandırma teknolojilerinin gelişiminde önemli bir adım oluşturuyor.