In wenigen Sekunden berechnet ein Algorithmus basierend auf einem 2D-Foto eine erstaunlich glaubhafte 3D-Ansicht eines Gesichts.
Mit Virtual und Augmented Reality steigt der Bedarf nach 3D-Inhalten. Klar, für 2D-Bilder muss man die VR- oder AR-Brille nicht anwerfen, für die reicht der flache Monitor vollkommen aus.
Wenn allerdings ausschließlich Profis brauchbare 3D-Inhalte entwickeln, dann ist das ein zu enges Nadelöhr für einen Mainstream-Anspruch. Sollen VR und AR zum Flächenbrand werden, müssen Nutzer eigene Inhalte erstellen können.
Dafür muss die Einstiegshürde für die Kreation von 3D-Inhalten sinken, so ähnlich wie es mit dem Smartphone für die Produktion von Fotos und Videos passierte.
3D-Scanner könnten die neuen Kameras werden und dieses Problem lösen. Sie tasten die Umgebung mit Sensoren ab und berechnen vollautomatisiert ein 3D-Modell eines Raumes, Objektes oder Menschen. Bis dieses Zukunftsszenario eintritt, dauert es aber noch - die entsprechende Hardware macht zwar Fortschritte, ist aber noch nicht ausgereift.
Aus 2D mach 3D
Eine Zwischenlösung könnten Programme sein, die aus 2D-Bildern automatisiert 3D-Modelle erstellen. Dass das bei Gesichtern schon erstaunlich gut funktioniert, zeigen Algorithmusexperten der Universitäten Nottingham und Kingston.
Sie entwickelten eine Software, die auf einem herkömmlichen 2D-Foto ein Gesicht erkennt und um eine 3D-Ansicht erweitert. Eine Online-Demo kann man mit einem eigenen Foto hier testen.
Der Algorithmus wurde von den Forschern mit über 60.000 2D-Fotos und 3D-Gesichtsdaten trainiert, um die 3D-Perspektive genauer erraten zu können.
Natürlich ist das Verfahren limitiert: Details, die nur im Profil sichtbar sind, tauchen in der 3D-Ansicht nicht auf. Aus einer Höckernase wird beispielsweise eine Stupsnase. Lösbar wäre das womöglich, wenn man dem Algorithmus mehrere Bilder der gleichen Person aus unterschiedlichen Winkeln zur Verfügung stellt.
Interessant wäre es, das Verfahren vollautomatisiert für Gebäude und Räume anzuwenden. Entsprechende Software gibt es schon im Bereich der Photogrammetrie, die Ergebnisse sind aber nur mit viel Aufwand bei der Nachbearbeitung brauchbar und benötigen hochwertiges und speziell fotografiertes Ausgangsmaterial.
Das vollständige Paper ist hier einsehbar, der Quellcode der Software steht bei Github.