Transformación de imágenes 2D en objetos 3D

Nos enfrentaremos a un problema que ha ganado gran relevancia los últimos años, el cual consiste en obtener modelos 3D a partir de imágenes 2D. Recientemente, diferentes investigaciones realizadas por ingenieros e investigadores de Facebook o Nvidia, entre otros, han conseguido grandes avances en este área, permitiendo obtener modelos que visualmente se asemejan bastante al objeto que aparece en las fotografías. Este problema es de gran relevancia, ya que a día de hoy, en diferentes sectores como el cine, videojuegos o arquitectura, por ejemplo, se realizan primero dibujos en 2D que luego son utilizados por expertos en modelado 3D para diseñar estos objetos y entornos en 3D, por lo que de existir una tecnología capaz de transformar estos dibujos o fotos a objetos 3D cuya forma y textura fuera semejante a la de los dibujos, se ahorrarían muchas horas de trabajo a estos profesionales, lo que supondría un gran ahorro en costes de tiempo y económicos en estas industrias, pues los expertos ya solo tendrían que retocar y pulir los modelos, en lugar de crearlos desde cero. Nosotros abordaremos este problema de diferentes maneras intentando obtener los vértices del objeto con alta resolución directamente, probaremos también a generarlos partir de probabilidades de ocupación de vértices en zonas del espacio y también estudiaremos la posibilidad de predecir vértices de objetos escalados a baja resolución. Además, proponemos un método para representar los objetos a partir de matrices de distancias, lo cual es fácil de aprender por redes neuronales y aportan gran información para la obtención de los vértices del objeto. En este trabajo revisaremos en detalle cómo se obtienen las diferentes formas de representar los objetos, repasaremos algunos conceptos generales de Machine Learning así como trabajos relevantes de actualidad, y nos adentraremos en el entrenamiento de modelos de redes neuronales y su rendimiento para predecir vértices de figuras tridimensionales