Pemanfaatan Neural Radians Fields (NeRF) Untuk Pemodelan Tiga Dimensi
Pemodelan 3D saat ini banyak digunakan dalam berbagai bidang seperti perencanaan kota, arsitektur, warisan budaya, kedokteran, dan realitas virtual. Dalam perkembangan metode tradisional computer vision dan fotogrametri, terdapat beberapa algoritma yang digunakan dalam membangun model 3D antara lain Scale Invariant Feature Transformation (SIFT), Speeded Up Robust Features (SURF), Oriented FAST and Rotated BRIEF (ORB), Struktur from Motion (SfM), dan Multi view-stereo (MVS). Namun, terdapat pendekatan baru yang menjanjikan dan menarik untuk pemodelan 3D menggunakan serangkaian foto adalah Neural Radians Fields (NeRF). Penelitian ini memanfaatkan penggunaan Neural Radians Fields (NeRF) dalam pemodelan 3D. Point cloud yang dihasilkan dari NeRF dilakukan pengujian dengan data TLS menggunakan parameter seperti surface variation, volume density, dan point discrepancy. Selain itu, uji akurasi geometri model 3D yang dihasilkan dari NeRF dinilai dengan menghitung nilai RMSE antara model dan objek penelitian. Hasil menunjukkan bahwa NeRF menghasilkan point cloud dengan surface variation yang tidak beraturan dengan data outlier sebesar 58,712%. Volume density yang lebih rendah dibandingkan dengan data TLS, serta point discrepancy didapatkan nilai jarak rata-rata sebesar 0,047 meter dan standar deviasi sebesar 0,066 meter dengan data outlier sebesar 6,989%. Selanjutnya uji akurasi geometri model 3D yang dihasilkan dari NeRF menunjukkan nilai RMSE sebesar 0,045 meter. Berdasarkan pengujian tersebut, menunjukkan bahwa NeRF mampu dalam melakukan pemodelan 3D.
URI
https://repository.itera.ac.id/depan/submission/SB2409250203
Keyword
Pemodelan 3D Fotogrametri Neural Radians Fields (NeRF) Point cloud