Un pipeline de múltiples etapas para la reconstrucción 3D de vehículos a partir de imágenes multivista heterogéneas

Antecedentes/Objetivo: La reconstrucción tridimensional (3D) de vehículos sigue siendo una tarea desafiante, especialmente cuando se busca generar modelos estandarizados a partir de múltiples muestras de la misma marca, modelo, tipo de carrocería y año. Si bien los enfoques tradicionales de Estructura a partir del Movimiento sobresalen en la reconstrucción de objetos individuales, luchan por crear modelos generalizados a partir de conjuntos de datos multivista diversos que exhiben variaciones en iluminación, fondo y apariencia. Este estudio tiene como objetivo superar estas limitaciones presentando un nuevo pipeline automatizado para la reconstrucción 3D estandarizada de vehículos. Métodos: La metodología propuesta emplea un enfoque de tres etapas: (1) preprocesamiento con eliminación de fondo y ecualización de histograma adaptativa para aislar las regiones de los vehículos y normalizar la iluminación; (2) clasificación de orientación basada en aprendizaje profundo utilizando una arquitectura EfficientNet-B0 para categorizar imágenes en ocho vistas direccionales; y (3) reconstrucción escasa a través de localización jerárquica y COLMAP, implementando una estrategia de emparejamiento de imágenes basada en vecinos. Resultados: El pipeline desarrollado se aplicó a una colección diversa de imágenes de vehículos heterogéneas y de múltiples fuentes. Este proceso resultó en la generación exitosa de modelos 3D de Splatting Gaussiano para más de un centenar de clases de vehículos diferentes. Conclusión: Este estudio proporciona un marco robusto para el modelado escalable de vehículos en 3D. Para apoyar la reproducibilidad y facilitar futuras investigaciones en IA generativa y sistemas autónomos, el conjunto de datos resultante estará disponible públicamente. Esta contribución establece un recurso de referencia estandarizado para tareas como la síntesis de vistas novedosas, evaluación de daños y modelado de la apariencia de vehículos, representando uno de los primeros conjuntos de datos de reconstrucciones 3D de Splatting Gaussiano específicas por clase de vehículo derivadas de colecciones heterogéneas de múltiples fuentes.