Las fotografías de perros pronto podrían usarse para ayudar a generar modelos 3D con mayor precisión que nunca, gracias a un estudio galardonado.estudiarde la Universidad de Surrey y el famoso videojuego Grand Theft Auto.

Los investigadores enseñaron uninteligencia artificial(IA) para predecir la pose 3D a partir de una imagen 2D de un perro, que entrenaron en imágenes que crearon usando Grand Theft Auto V.

"Nuestro modelo fue entrenado con perros CGI, pero pudimos usarlo para hacer modelos esqueléticos en 3D a partir de fotografías de animales reales. Eso podría permitir a los conservacionistas detectar vida silvestre herida o ayudar a los artistas a crear animales más realistas en el metaverso", dijo Moira Shooter., Estudiante de Investigación de Postgrado.

Una forma de enseñar a la IA a obtener información 3D a partir de 2Dimágeneses mostrarle fotografías y al mismo tiempo brindarle información sobre la "verdad fundamental" 3D: dónde se encuentran realmente los objetos en el espacio 3D.Para los humanos, eso significa usar trajes de captura de movimiento.

Incluso con su mejor comportamiento, lograr que docenas de perros usen trajes de captura de movimiento puede resultar un desafío.

En cambio, los investigadores crearon una gran cantidad de perros virtuales para estudiar.

Los investigadores alteraron el código de Grand Theft Auto, cambiando el personaje principal por uno de ocho tipos de perros, un proceso conocido como "modding".Generaron 118 videos de perros sentados, caminando, ladrando y corriendo en una variedad de climas y condiciones diferentes.condiciones de iluminación.

El equipo llamó a su nueva base de datos DigiDogs, compuesta por 27.900 cuadros.Ahora lo ajustarán utilizando el modelo DINOv2 de Meta para asegurarse de que pueda predecir una pose en 3D tan bien como imágenes de perros reales.

"Las poses en 3D contienen mucha más información que las fotografías en 2D. Desde la ecología hasta la animación, esta ingeniosa solución tiene muchísimos usos posibles", afirmó Shooter.

La investigación ganó el premio al Mejor Trabajo en elConferencia de invierno de IEEE/CVF sobre aplicaciones de visión por computadora.