Çok çözünürlüklü yüzey yeniden yapılandırma için frekans alanı aşırı örnekleme: kültürel mirasın dijital modellenmesine doğru

Tarih meraklıları için neden önemli

Dünyanın en güzel eserlerinin birçoğu—kırılgan porselen demlikler, oyma buhurdanlıklar, aşınmış heykeller—risk olmadan elle tutulamaz veya restore edilemez. Müzeler giderek bu hazineleri incelemek ve korumak için dijital kopyalara başvuruyor. Bu makale, tarama verilerini hem hassas desenleri hem de iç yapıları yakalayacak kadar yüksek doğrulukta 3B modellere dönüştürmenin yeni bir yolunu sunuyor ve süreci gerçek koleksiyonlarda kullanılabilecek kadar verimli tutuyor.

Ham taramalardan dijital ikizlere

Eserleri dijitalleştirmek için araştırmacılar lazer tarama ve bilgisayarlı tomografi (BT) gibi teknolojilerle başlar. Lazer tarayıcılar dış yüzeyi kaydederken BT hem dış yüzeyi hem de iç yapıyı gri tonlu dilimler halinde yakalar. Bu taramalar daha sonra nokta bulutlarına dönüştürülür: nesnenin yüzeyinin nerede olduğunu gösteren milyonlarca küçük 3B nokta. Zorluk, bu nokta bulutunu—çoğunlukla düzensiz, gürültülü veya eksik—kesintisiz, düzgün bir yüzeye dönüştürerek özgün nesneyi boşluklar veya bozulmalar olmadan doğru şekilde temsil etmektir.

Günümüzün dijital kabuklarındaki sorun

Mevcut yüzey yeniden yapılandırma yöntemleri genellikle bir takasla karşılaşır. Bazıları su geçirmez, pürüzsüz modeller üretir ama keskin kenarları, oymalı ayrıntıları veya sanat ve arkeoloji için önemli olan ince özellikleri yıkar. Diğerleri yerel ayrıntıyı korur ama gerçek tarama verilerinde sık rastlanan gürültü ve düzensiz örneklemeye karşı hassastır. Marching Cubes gibi standart BT teknikleri yüzeylerin hafifçe dalgalanmasına neden olan “kabartma” etkisi yaratabilir, sabit ızgaralara dayandıkları için belleği boşa harcar ve yine de ince desenleri kaçırır. Derin öğrenme yaklaşımları yardımcı olabilir ancak hesaplama açısından ağırdır ve yapay gürültü veya deformasyon ekleyebilir.

Şekil örneklemede daha akıllı bir yol

Yazarlar, nesnenin karmaşıklığına uyum sağlayan çok çözünürlüklü bir yaklaşım öneriyor. Yüzeyin keskin eğrildiği yerlerde otomatik olarak uzayı daha küçük küplere bölen ve daha düzgün bölgelerde daha büyük küpleri koruyan bir oktree inşa ediyorlar. Nerede gerçekten inceleme gerektiğine karar vermek için sinyal işleme alanından “aşırı örnekleme” fikrini ödünç alıyorlar: tıpkı ses mühendislerinin hızlı değişen sesleri daha yoğun örneklemesi gibi, algoritma yüzeyin yüksek eğrilikli bölgelerini daha ince örnekliyor. Eğrilik güvenilir şekilde tahmin ediliyor, böylece rastgele gürültü yöntemi anlamsız sivrilikleri aşırı örneklemeye kandırmıyor. Bu strateji, yeniden yapılandırmayı iyileştiren yerlerde yoğun örnekleme sağlar; hem bellek hem de zamandan tasarruf eder.

Görünmez bir yüzeyi şekillendirmek

Bu uyarlanabilir ızgara içinde yüzey doğrudan çizilmez; bunun yerine yüzeyde tam olarak sıfır olan ve iki tarafında pozitif veya negatif değerler alan matematiksel bir “alan” olan örtük bir fonksiyonla tanımlanır. Yeni yöntem bu fonksiyonu, giriş noktalarının hem konumlarıyla hem de yönleriyle uyuşacak şekilde küresel olarak uyarlar. Fonksiyon eğiminin her nokta yakınında yerel yüzey yönelimiyle hizalanmasını sağlar ve dalgalı artefaktlardan kaçınarak genel olarak düzgün kalmasını garanti eder. Problem bir enerji minimizasyonu olarak formüle edilir ve çok seviyeli sayısal bir şema ile paralel hesaplama kullanılarak verimli şekilde çözülür. Son olarak, uzmanlaşmış bir izoyüzey çıkarma adımı bu görünmez alanı görselleştirme ve analiz için uygun, temiz ve su geçirmez bir üçgen ağaca dönüştürür.

Bunu sanat ve ötesinde teste sokmak

Araştırmacılar tekniklerini standart 3B modeller, on milyonlarca noktaya sahip çok büyük nokta bulutları ve BT ile lazer taramalarından elde edilmiş gerçek kültürel miras verileri üzerinde kıyaslıyor. Yerleşik yöntemler ve birkaç modern sinir ağı yaklaşımıyla karşılaştırıldığında, algoritmaları daha düşük geometrik hata elde ediyor, çaydanlık ağızları, oyma motifler ve kazınmış desenler gibi ince ayrıntıları koruyor ve bunu daha az ızgara hücresi ve daha kısa çalışma süreleriyle yapıyor. Gürültü eklendiğinde de kararlı kalıyor, önemli özellikleri bulanıklaştırmadan yüzeyleri düzgün tutuyor ve iyi bilinen Lucy heykeli gibi devasa veri kümelerine ölçeklenebiliyor.

Geçmişi korumak için ne anlama geliyor

Uzman olmayanlar için temel sonuç, artık kırılgan eserler için hem genel şekillerini hem de ince yüzey işçiliğini daha az ödünle yakalayan daha sadık dijital ikizler oluşturabilmemizdir. Uyarlanabilir örneklemeyi dikkatle kontrol edilen matematiksel bir yüzey tanımı ile birleştirerek, yöntem güvenilir ve hesaplama açısından verimli yüksek çözünürlüklü modeller sunuyor. Bu, koruma kararlarının, sanal restorasyonların ve kamuya yönelik sergilerin giderek daha fazla dayandığı dijital temeli güçlendiriyor ve kültürel mirasın ince ayrıntılarının zaman içinde kaybolmamasına yardımcı oluyor.

Atıf: 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

Anahtar kelimeler: 3B yüzey yeniden yapılandırma, kültürel mirasın dijitalleştirilmesi, BT taraması, nokta bulutu modelleme, dijital koruma