Augmented Reality in Cultural Heritage: A Dual-Model Pipeline for 3D Artwork Reconstruction
机器学习
2025-07-21 v1
摘要
本文提出了一种针对博物馆环境的创新性增强现实管道，旨在识别艺术品并从单张图像生成准确的3D模型。通过整合两个互补的预训练深度估计模型，即GLPN用于捕捉全局场景结构，Depth-Anything用于详细的局部重建，该方法产生优化后的深度图，有效地代表了复杂的艺术特征。这些图然后被转换为高质量的点云和网格，使其能够创建沉浸式的AR体验。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，在重建精度和视觉逼真度方面实现了显著的改进，使其成为为博物馆寻求通过交互式数字内容提升访客参与度的高度稳健的工具。
引用
@article{arxiv.2507.13718,
title = {Bi-GRU Based Deception Detection using EEG Signals},
author = {Danilo Avola and Muhammad Yasir Bilal and Emad Emam and Cristina Lakasz and Daniele Pannone and Amedeo Ranaldi},
journal= {arXiv preprint arXiv:2507.13718},
year = {2025}
}