Nadpróbkowanie w dziedzinie częstotliwości dla rekonstrukcji powierzchni wielorozdzielczościowej: ku cyfrowemu modelowaniu dziedzictwa kulturowego

Dlaczego to ma znaczenie dla miłośników historii

Wiele z najpiękniejszych artefaktów świata — kruchych porcelanowych imbryków, rzeźbionych kadzidełnic, nadwerężonych przez czas posągów — nie można bezpiecznie dotykać ani konserwować bez ryzyka. Muzea coraz częściej sięgają po cyfrowe repliki, by badać i zachowywać te skarby. Artykuł przedstawia nowy sposób przekształcania danych skanowania w bardzo dokładne modele 3D, uchwycające zarówno delikatne wzory, jak i ukryte wnętrza, przy jednoczesnym zachowaniu wydajności umożliwiającej pracę na rzeczywistych kolekcjach.

Od surowych skanów do cyfrowych bliźniaków

Aby zdigitalizować artefakty, badacze zaczynają od technologii takich jak skanowanie laserowe i tomografia komputerowa (CT). Skanery laserowe rejestrują zewnętrzną powierzchnię, podczas gdy CT uchwyca zarówno zewnętrze, jak i strukturę wewnętrzną w postaci stosu odcieni szarości. Skanowane dane są następnie przekształcane w chmury punktów: miliony drobnych punktów 3D, które oznaczają położenie powierzchni obiektu. Wyzwanie polega na przekształceniu tej chmury punktów — często nieregularnej, zaszumionej lub niekompletnej — w gładką, ciągłą powierzchnię, która wiernie reprezentuje oryginał bez szczelin czy zniekształceń.

Problem z dzisiejszymi powłokami cyfrowymi

Istniejące metody rekonstrukcji powierzchni często stoją przed kompromisem. Niektóre dają modele szczelne i gładkie, ale zacierają ostre krawędzie, rzeźbione detale czy cienkie elementy istotne dla sztuki i archeologii. Inne zachowują lokalne detale, ale są kruche wobec szumu i nieregularnego próbkowania, które występują w rzeczywistych danych skanowania. Standardowe techniki CT, takie jak algorytm Marching Cubes, mogą wprowadzać efekt „falistości”, gdzie powierzchnie stają się lekko pofalowane, i opierają się na stałych siatkach, co marnuje pamięć i nadal pomija drobne wzory. Podejścia oparte na głębokim uczeniu mogą pomóc, ale są kosztowne obliczeniowo i mogą dodać sztucznego szumu lub deformacji.

Mądrzejszy sposób próbkowania kształtu

Autorzy proponują podejście wielorozdzielczościowe, które dostosowuje się do złożoności obiektu. Budują oktree — trójwymiarową siatkę, która automatycznie dzieli przestrzeń na mniejsze sześciany tam, gdzie powierzchnia ostro się załamuje, i utrzymuje większe komórki w gładszych obszarach. Aby zdecydować, gdzie rzeczywiście potrzebne jest dopracowanie, zapożyczają ideę „nadpróbkowania” z przetwarzania sygnałów: podobnie jak inżynierowie dźwięku próbkują gęściej szybko zmieniające się dźwięki, algorytm gęściej próbuje fragmenty powierzchni o dużej krzywiźnie. Krzywizna jest estymowana w sposób odporny na zakłócenia, tak by przypadkowy szum nie nakłaniał metody do nadpróbkowania bezsensownych igieł. Strategia ta zapewnia gęste próbkowanie tylko tam, gdzie poprawia rekonstrukcję, oszczędzając pamięć i czas.

Modelowanie niewidzialnej powierzchni

W obrębie tej adaptacyjnej siatki powierzchnia nie jest rysowana bezpośrednio, lecz opisana przez funkcję implicitną — matematyczne „pole”, które jest równe zero dokładnie na powierzchni i przyjmuje wartości dodatnie lub ujemne po obu stronach. Nowa metoda dopasowuje tę funkcję globalnie, tak aby zgadzała się zarówno z pozycjami, jak i kierunkami punktów wejściowych. Wymusza, by nachylenie funkcji w pobliżu każdego punktu było zgodne z lokalną orientacją powierzchni i pozostało dobrze uwarunkowane w całości, unikając falistych artefaktów. Problem sformułowano jako minimalizację energii i rozwiązano wydajnie za pomocą wielopoziomowego schematu numerycznego oraz obliczeń równoległych. Na koniec specjalistyczny etap wydobywania izopowierzchni konwertuje to niewidzialne pole w czystą, szczelną siatkę trójkątną, odpowiednią do wizualizacji i analizy.

Testy na dziełach sztuki i nie tylko

Badacze przetestowali swoją technikę na standardowych modelach 3D, bardzo dużych chmurach punktów liczących dziesiątki milionów punktów oraz na rzeczywistych danych dziedzictwa kulturowego pochodzących ze skanów CT i laserowych. W porównaniu z ustalonymi metodami i kilkoma nowoczesnymi podejściami neuronowymi ich algorytm osiąga niższy błąd geometryczny, zachowuje misternie wykonane detale, takie jak dzióbki imbryków, rzeźbione motywy i grawerunki, oraz robi to przy użyciu mniejszej liczby komórek siatki i krótszych czasów działania. Pozostaje też stabilny po dodaniu szumu, utrzymując powierzchnie gładkie bez rozmywania istotnych cech, i dobrze skaluje się do masywnych zbiorów danych, jak słynny posąg Lucy.

Co to znaczy dla zachowania przeszłości

Dla osób niebędących specjalistami kluczowy wniosek jest taki, że możemy teraz tworzyć wierniejsze cyfrowe odpowiedniki kruchych artefaktów, uchwytując zarówno ich ogólny kształt, jak i subtelne zdobienia powierzchni bez konieczności licznych kompromisów. Łącząc adaptacyjne próbkowanie z starannie kontrolowanym matematycznym opisem powierzchni, metoda dostarcza modele o wysokiej rozdzielczości, które są zarówno niezawodne, jak i efektywne obliczeniowo. Wzmacnia to cyfrowe podstawy, na których opierają się decyzje konserwatorskie, wirtualne rekonstrukcje i wystawy publiczne, pomagając zapewnić, że drobne detale dziedzictwa kulturowego nie zaginą z upływem czasu.

Cytowanie: Tuo, M., Jin, S., Jia, C. et al. Frequency-domain oversampling for multi-resolution surface reconstruction: towards digital modeling of cultural heritage. npj Herit. Sci. 14, 244 (2026). https://doi.org/10.1038/s40494-026-02482-y

Słowa kluczowe: Rekonstrukcja powierzchni 3D, digitalizacja dziedzictwa kulturowego, tomografia komputerowa (CT), modelowanie chmury punktów, cyfrowe zachowanie