Super-Resolution-Techniken in der Structure-from-Motion-basierten Gebäuderekonstruktion

Die digitale Rekonstruktion historischer Gebäude stellt eine faszinierende und herausfordernde Aufgabe dar, die sowohl in der 3D-Computergrafik als auch in der Umweltinformatik von großer Bedeutung ist. Historische Fotografien und Videoaufnahmen, die oft von niedriger Auflösung und Qualität sind, bilden die Grundlage für diese Rekonstruktionen. Super-Resolution-Techniken bieten eine vielversprechende Lösung, um die Bildauflösung zu verbessern und somit detaillierte 3D-Modelle zu erstellen. Der Beitrag vergleicht verschiedene Ansätze der Super-Resolution-Technologie, darunter traditionelle Interpolationsmethoden und moderne Deep Neural Network (DNN) Ansätze, hinsichtlich ihrer Eignung und Leistungsfähigkeit. Durch die Anwendung dieser Techniken auf historische Bildsequenzen wird untersucht, inwieweit eine hochauflösende Skalierung möglich ist. Die Ergebnisse zeigen, dass bestimmte Super-Resolution-Techniken, wie ESPCN und LapSRN, besonders geeignet sind, um detaillierte und realitätsnahe 3D-Rekonstruktionen zu ermöglichen. Die Anwendung dieser Techniken ermöglicht es, historische Gebäude präzise zu rekonstruieren und somit wertvolle Einblicke in Umweltveränderungen und historische Entwicklungen zu gewinnen. Der Beitrag bietet eine umfassende Analyse und Bewertung der verschiedenen Methoden, die für Fachleute in den Bereichen Computer Vision und 3D-Rekonstruktion von großem Interesse sind.