文化遗产中的增强现实：面向3D艺术品重建的双模型管线
计算机视觉与模式识别
2025-07-21 v1
摘要
本文提出一种针对博物馆环境的创新性增强现实管线，旨在识别艺术品并从单张图像生成精确的3D模型。通过整合两种互补的预训练深度估计模型，即GLPN用于捕获全局场景结构，Depth-Anything用于详细的局部重建，该方法产生优化后的深度图，有效地代表复杂的艺术特征。这些图随后被转换为高质量的点云和网格，实现沉浸式AR体验的创建。该方法利用最先进的神经网络架构和先进的计算机视觉技术，以克服艺术品不规则轮廓和可变纹理所带来的挑战。实验结果表明，重建精度和视觉真实性均有显著提升，使该系统成为为寻求通过互动数字内容提升访客参与度的博物馆的高度稳健工具。
引用
@article{arxiv.2507.13719,
title = {Augmented Reality in Cultural Heritage: A Dual-Model Pipeline for 3D Artwork Reconstruction},
author = {Daniele Pannone and Alessia Castronovo and Maurizio Mancini and Gian Luca Foresti and Claudio Piciarelli and Rossana Gabrieli and Muhammad Yasir Bilal and Danilo Avola},
journal= {arXiv preprint arXiv:2507.13719},
year = {2025}
}