KIRI Engine
KIRI Engine
KIRI Engine sur le Web

Scan d'objet sans caractéristiques

Échec avec la photogrammétrie ? Cela va sûrement vous aider

La photogrammétrie traditionnelle ne peut pas scanner les objets brillants/réfléchissants/transparent. Cette méthode de numérisation 3D dérivée de NeRF surmonte efficacement ces limitations avec des résultats époustouflants.

Scannez facilement les objets brillants, réfléchissants ou transparents

La numérisation 3D peut échouer pour de nombreuses raisons, la raison la plus courante étant l'incapacité d'analyser des objets avec des surfaces brillantes/réfléchissantes. La numérisation d'objet sans caractéristiques résout ce problème.

Matériaux transparents
Surfaces réfléchissantes
Matériau de couleur unie

Numérisation de photo

Lors de la numérisation d'un objet translucide, les caractéristiques de la surface de l'objet changent constamment d'une image à l'autre, ce qui entraîne de mauvais résultats.

Scan d'objet sans caractéristiques

Lors de la numérisation d'un objet translucide, l'algorithme de numérisation d'objet sans caractéristiques analyse l'objet et l'arrière-plan pour reconstruire le maillage de la surface de l'objet.

Numérisation de photo

Lors de la numérisation d'un objet brillant, le Photo Scan a du mal à reconnaître les caractéristiques uniques car elles changent constamment d'une image à l'autre, entraînant des résultats inadéquats.

Scan d'objet sans caractéristiques

Lors de la numérisation d'un objet brillant, l'algorithme IA de la numérisation d'objet sans caractéristiques analyse l'objet dans son ensemble plutôt que les caractéristiques uniques de sa surface.

Numérisation de photo

Lors de la numérisation d'objets avec des surfaces lisses, le Photo Scan a du mal à assembler de manière cohérente les caractéristiques uniques, ce qui entraîne des résultats médiocres.

Scan d'objet sans caractéristiques

Lors de la numérisation d'objets avec des surfaces lisses, la numérisation d'objet sans caractéristiques analyse l'ensemble de la scène et reconstruit l'objet avec précision en maillages de surface.

Scannez n'importe quoi avec la technologie NSR

La reconstruction de surface neuronale (NSR) alimentée par IA permet aux utilisateurs de scanner n'importe quel objet en maillage 3D, quelle que soit sa texture.

NeRF, mais pratique

Les champs de radiance neuronale (NeRF) sont une technique de visualisation 3D qui ne produit pas de maillage, tandis que la numérisation d'objet sans caractéristiques apprend de l'algorithme et génère des résultats de maillage à partir de la technique des champs de radiance.

Scannez sans compromis

La numérisation d'objet sans caractéristiques produit des maillages 3D très détaillés, tout comme le Photo Scan, et possède les mêmes fonctionnalités d'exportation que le Photo Scan. Accédez à la génération de textures PBR, à la retopologie de maillage quadrillé, à l'auto-rigging, et bien plus encore.

Questions fréquemment posées

  • Qu'est-ce qui compte comme un « objet sans caractéristiques » ?

    Les objets sans caractéristiques sont généralement des objets brillants, réfléchissants, transparents, translucides ou d'une seule couleur. Ces objets manquent des identifiants uniques que l'algorithme peut suivre et aligner pendant le processus de reconstruction. Quelques exemples de ce type d'objet incluent les verres, les voitures, les bouteilles d'eau, etc.

  • Pourquoi les « objets sans caractéristiques » sont-ils difficiles à numériser ?

    Les caractéristiques de surface des « objets sans caractéristiques » ont tendance à être largement similaires ou à varier à mesure que la perspective change. Cela rend la reconstruction de ces objets avec la photogrammétrie traditionnelle extrêmement difficile, car les caractéristiques des surfaces des objets provenant de l'entrée source sont inconsistantes d'une image à l'autre.

  • Comment la numérisation d'objet sans caractéristiques résout-elle ce problème ?

    La numérisation d'objet sans caractéristiques utilise la reconstruction de surface neuronale (NSR), qui exploite le contexte de l'arrière-plan et isole intelligemment le sujet principal. En analysant continuellement chaque image lors de la capture, le réseau neuronal de l'algorithme détermine avec précision la forme et la couleur des « objets sans caractéristiques » autrement difficiles à capturer.

  • Comment obtenir les meilleurs résultats lors de la numérisation des « objets sans caractéristiques » ?

    Pour obtenir les meilleurs résultats, placez votre objet sur une plateforme élevée avec un arrière-plan statique et complexe. Gardez l'objet entièrement cadré et immobile pendant tout le processus de numérisation — évitez les plateaux tournants ou de le déplacer de quelque manière que ce soit. Capturez l'objet en faisant le tour de celui-ci depuis au moins trois hauteurs différentes pour assurer une couverture complète.

  • Quels appareils sont compatibles avec la numérisation d'objet sans caractéristiques ?

    La numérisation d'objet sans caractéristiques fonctionne avec tout appareil compatible équipé d'une caméra — vous pouvez capturer directement dans l'application ou télécharger vos images via l'application mobile KIRI Engine ou la plateforme web.

  • Quels formats d'exportation sont disponibles avec cette méthode de numérisation ?

    Les scans d'objets sans caractéristiques sont enregistrés dans la catégorie "Scans", offrant les mêmes options d'exportation polyvalentes que le Photo Scan et les fichiers 3DGS (vers maillage). Avec des fonctionnalités avancées telles que la retopologie de maillage quadrillé, la décimation dynamique et les matériaux PBR, vous pouvez exporter vos scans dans divers formats, notamment OBJ, FBX, STL, GLB, GLTF, USDZ, PLY et XYZ.

Vous n'avez pas trouvé ce que vous cherchiez ? Visitez la page FAQ de KIRI Engine pour plus de réponses

Essayez KIRI Engine maintenant, gratuitement