Az online térben megosztott fotók segítségével ma már rendkívül pontosan meghatározható, hogy egy kép hol készült – akár egy napszemüveg tükröződéséből is. Felmerül a kérdés: mi történik, ha minden internetre feltöltött fotót egy adott területről egyesítünk és 3D-s modellt építünk belőlük?
Sok éve kísérleteznek kutatók azzal, hogy turistafotók, Instagram-posztok vagy akár Snapchaten megosztott pillanatok együttes feldolgozásával 3D-ben jelenítsenek meg akár egész városokat, világörökségi helyszíneket. Az elmúlt években azonban sorozatos technikai korlátok jelentkeztek, például a „long tail” problémája, azaz hogy a híres helyszínekről rengeteg fotó készül, viszont az ismeretlenebb pontokról kevés, így ezek részletessége jóval alacsonyabb.
Az újabb algoritmusok az ideghálók és speciális matematikai módszerek révén már képesek akár egyetlen fotó alapján is mélységtérképet alkotni, de ezeket mostanra sikerült olyan szintre fejleszteni, hogy már szinte bármilyen, vegyes minőségű fotóhalmazból működnek.
Ez a fejlődés lehetővé tette, hogy akár néhány amatőr turistafotóból vagy különböző forrásból származó képből városok, történelmi épületek aprólékos 3D-s modelljei jöjjenek létre. Izgalmas kérdéseket vet fel, milyen hatása lehet mindennek a magánszféra, a hírszerzés vagy akár az online közösségek működésére.
A témához kapcsolódóan szóba kerülnek a gépi tanuláson alapuló generatív modellek, amelyek képesek pótolni a hiányzó információkat, vagy éppen megválaszolják azt a régi kihívást, hogy hogyan lehet kevés vagy rossz minőségű fotóból pontos 3D világot alkotni. Milyen új lehetőségeket nyit meg mindez a szórakoztatóipar, a tudomány vagy akár a katonai alkalmazások számára?
