Kalabalık kaynaklı görüntülerle yönlendirilen antik yapıların 3B yeniden inşası için bir yöntem

Tatil fotoğrafları antik yapıları nasıl kurtarabilir

Dünyanın dört bir yanında tarihî tapınaklar, kuleler ve saraylar rüzgâr, yağmur, kirlilik ve zamanın etkisiyle yavaşça aşınıyor. Mühendisler artık çatlakları izlemek, eğilmeleri ölçmek ve dikkatli onarımlar planlamak için ayrıntılı 3B dijital modellere güveniyor. Ancak bu modellerin oluşturulması genellikle pahalı lazerler, insansız hava araçları ve saha ekipleri gerektiriyor. Bu çalışma, çok daha sıradan bir şeyin—çevrimiçi paylaşılan turist fotoğraflarının kalabalıklarının—ücretleri ve riskleri azaltarak kırılgan bir simge yapının dijital kaydını iyileştirirken yüksek doğruluklu 3B yeniden inşa için nasıl dönüştürülebileceğini gösteriyor.

Gelişigüzel fotoğrafları sağlam bilime dönüştürmenin zorluğu

Yerden yapılan lazer tarayıcılar ve kamera donanımlı drone’lar gibi geleneksel 3B ölçüm araçları yapıları büyük ayrıntıyla yakalayabiliyor, fakat maliyetli, düzenlemelerle sınırlı ve bazen karmaşık yapıların parçalarını kaçırabiliyor. Buna karşın kalabalık kaynaklı görüntüler bol, ucuz ve birçok açıdan çekilmiş oluyor. Sorun şu ki, bunlar son derece tutarsız: bazıları bulanık, aşırı pozlanmış veya turistler ve ağaçlar tarafından engellenmiş; diğerleri ise çok farklı kameralar ve lenslerle çekilmiş. Bu karışık kalite resimler standart yeniden yapılandırma yazılımına verildiğinde, biçim ve yüzey hatalar birbirini güçlendirerek ciddi miras koruma çalışmaları için kabul edilemez çarpık geometri ve bulanık dokular üretiyor.

Dağınık gerçek dünya görüntüleri için akıllı bir filtre

Bu döngüyü kırmak için yazarlar, 3B modelleme başlamadan önce çevrimiçi binlerce görüntüyü temizleyen ve düzenleyen üç aşamalı bir "akıllı filtre" tasarladı. Önce, otomatik bir eleme aşaması bariz biçimde işe yaramayan fotoğrafları hızla çıkarıyor: pagodanun karede gerçekten görünüp görünmediğini, çözünürlüğün yeterince yüksek olup olmadığını, yapının çoğunlukla engellenip engellenmediğini ve görüntünün parçalarının parlak güneş ışığıyla yıkanıp yıkanmadığını ya da gürültü içinde gömülü olup olmadığını kontrol ediyor. Her adım modern görüntü tanıma araçları kullanıyor ve bir resim başarısız olur olmaz süreç duruyor; bu, önemli miktarda hesaplama süresi tasarrufu sağlıyor. Kalan görüntüler daha sonra neredeyse kopya olan—aralarında kısa süre farkı olan neredeyse aynı çekimleri—hem genel içerik hem de yerel yapı açısından karşılaştırarak yalnızca en faydalı sürümleri tutan ikinci bir aşamaya geçiyor.

Görüntü kalitesini yapının "hissettiği" şekilde değerlendirmek

Eleme ve kopya ayıklamadan sonra bile her fotoğraf ince oymalar, katmanlı çatılar ve yaşlanan ahşap kirişleri yeniden yapılandırmada eşit derecede yardımcı olmaz. Bu nedenle çerçevenin üçüncü aşaması her görüntüyü 3B modelleme için önemli olan birkaç açıdan puanlıyor: keskin kenarları ve konturları ne kadar iyi koruduğu, dokularının ne kadar görsel bilgi taşıdığı, ne kadar gürültülü veya bozunmuş olduğu ve renklerinin gerçeğe ne kadar yakın olduğu. Tek bir ölçüye bağlı kalmak yerine yazarlar beş farklı kalite göstergesini harmanlıyor ve her birinin nihai modellerdeki hatalarla ne kadar ilişki içinde olduğunu öğrenmek için istatistik kullanıyor. Bu, hem doğru biçimleri hem de zengin, inandırıcı yüzey detaylarını koruyan görüntüleri tercih eden dengeli bir "karne" ortaya çıkarıyor.

Yavaş eğilmiş ahşap bir kule üzerinde yöntemi teste sokmak

Ekip, çerçeveyi Çin’in kuzeyindeki Yingxian Ahşap Pagodası üzerinde uyguladı; bu, karmaşık konsol sistemleriyle ve hafif ama endişe verici bir eğilme ile bilinen yüzyıllık bir ahşap yapı. 2015–2024 yılları arasında çekilmiş ve yeni filtreleme ile puanlama hattından geçirilmiş kalabalık kaynaklı fotoğraflardan oluşan bir set ile geleneksel bir kıyas olarak dikkatle çekilmiş yüksek kaliteli saha fotoğraflarından oluşan ikinci bir set topladılar. Her iki set de aynı son teknoloji 3B yeniden yapılandırma motoruna verildi ve ortaya çıkan dijital modellerin nokta bulutu yoğunluğundan yüzey keskinliği ve renk doğruluğuna kadar doğrudan karşılaştırılmasına imkân sağlandı.

Günlük görüntülerden daha keskin sanal miras

Temizlenip optimize edildikten sonra kalabalık kaynaklı görüntüler yalnızca profesyonel çekimlerle eşleşmekle kalmadı—çoğu durumda onları geride bıraktı. Filtrelenmiş çevrimiçi görüntülerden oluşturulan model, binanın yüzeyinde ve hacminde yaklaşık dörtte bir daha fazla noktaya sahipti ve gürültü ile saçak noktalar belirgin şekilde azalmıştı. Oymalı levha ve konsol setlerinin kenarları daha net görünüyordu ve ölçülen doku keskinliği neredeyse %30 oranında iyileşti. Fiziksel bir renk referans kartına göre renk farkları yaklaşık üçte bir düşerek pagodanun gerçekte nasıl göründüğüne daha yakın bir eşleşme gösterdi. Miras korumacıları için bu, doğru dijital önlemlerle halka açık fotoğraf koleksiyonlarının ağır ekipman veya rahatsız edici saha çalışmaları olmadan yüksek doğruluklu 3B modeller sağlayabileceği anlamına geliyor.

Geçmişi korumak için bunun anlamı

Uzman olmayanlar için ana mesaj basit: insanların gelişigüzel çekip paylaştığı fotoğraflar, uygun şekilde filtrelenip değerlendirilirse, dünyanın mimari hazinelerini korumak için güçlü araçlara dönüşebilir. Bu makaledeki yöntem, tarihî yapıların hem biçimlerini hem de yüzeylerini gözeten bir şekilde iyi görüntüleri kötü olanlardan ayırmayı gösteriyor ve dağınık gerçek dünya verilerinden ayrıntılı, güvenilir 3B modeller üretiyor. Bu teknikler yayıldıkça, yıllar boyunca eski yapılardaki ince değişimleri izlemek için dikkatle küratelenmiş kalabalık kaynaklı fotoğraflardan başka bir şeye gerek kalmayabilir; böylece günlük gezi fotoğrafları kültürel koruma için sessiz bir güç haline gelir.

Atıf: Liu, Y., Huo, L., Shen, W. et al. A method for 3D reconstruction of ancient buildings driven by crowdsourced images. npj Herit. Sci. 14, 81 (2026). https://doi.org/10.1038/s40494-026-02346-5

Anahtar kelimeler: 3B yeniden inşa, kalabalık kaynaklı görüntüler, kültürel miras, antik mimari, dijital koruma