Esta animação mostra a evolução da deformação da forma, resultante da aplicação do algoritmo ao conjunto de dados do dragão. Quanto ao conjunto de dados de tatu, a forma vermelha antes da otimização foi criada pela deformação não linear da forma azul. Ambos os conjuntos de pontos são compostos por 437, 645 pontos cada. Crédito:Kanazawa University
Um problema de registro de conjunto de pontos é uma tarefa que usa duas formas, cada um consistindo de um conjunto de pontos, para estimar a relação de pontos individuais entre as duas formas. Aqui, uma "forma" é como um corpo ou rosto humano, que é semelhante a outro corpo ou rosto, mas exibe diversidade morfológica. Tomando o rosto como exemplo:a posição central da pupila de um olho varia dependendo dos indivíduos, mas pode ser considerada como tendo correspondência com a de outra pessoa. Tal correspondência pode ser estimada deformando gradualmente uma forma para ser sobreposta na outra. A estimativa da correspondência de um ponto em uma forma com um ponto em outra é o problema de registro do conjunto de pontos. Uma vez que o número de pontos de uma forma pode ser de milhões, a estimativa da correspondência é calculada por um computador. Apesar disso, até agora, mesmo quando o método convencional mais rápido foi usado, demorou muito para o cálculo do registro de ca. 100, 000 pontos. Assim, algoritmos que poderiam encontrar uma solução muito mais rápido sem afetar a precisão foram procurados. Além disso, o registro preliminar antes da estimativa automatizada era um pré-requisito para o método de cálculo convencional, portanto, algoritmos que não precisam de registro preliminar são desejáveis.
Prof. Osamu Hirose, um jovem cientista da Universidade de Kanazawa, tem trabalhado neste problema. Em seu estudo, uma abordagem completamente nova foi adotada; um problema de registro de conjunto de pontos é definido como a maximização da probabilidade posterior 1) na estatística Bayesiana 2) e a suavidade de um campo de deslocamento 3) é definida como uma probabilidade anterior 4). Como resultado, foi descoberto um novo algoritmo que pode encontrar uma solução para um problema típico de registro de conjunto de pontos, mesmo sem registro preliminar suficiente. Além disso, substituindo alguns cálculos deste algoritmo por aproximação, os problemas de registro de conjuntos de pontos podem ser resolvidos drasticamente mais rápido do que os métodos convencionais. Por exemplo, para conjuntos de dois pontos consistindo em ca. 100, 000 pontos cada, a aplicação do presente método foi bem-sucedida na conclusão do registro de alta precisão dentro de 2 min, enquanto o método mais rápido disponível publicamente levou cerca de três horas. Também, como mostrado na ilustração, o método proposto registrou com sucesso o conjunto de dados "dragão", onde ambos os conjuntos de pontos eram compostos por 437, 645 pontos cada. O tempo de computação foi de aproximadamente 20 minutos. Embora o cálculo de alta velocidade atual use aproximações, a precisão do registro não é reduzida a uma extensão perceptível, conforme demonstrado por experimentos numéricos.
Usando o algoritmo, novos personagens CG podem ser criados automaticamente, e assim, pode ser uma técnica que economiza trabalho para designers de CG. A segunda ilustração mostra um exemplo de aplicação do algoritmo. A forma de origem (a) e a forma de destino (b) foram obtidas de um banco de dados público e usadas como entrada do algoritmo. A forma (c) é o resultado do primeiro registro, mostrando que a forma da fonte tornou-se semelhante à forma do alvo, com características da forma da fonte retidas. A forma (d) é o resultado do segundo registro, mostrando a forma da fonte a ser deformada mais perto da forma do alvo.
(a) Forma da fonte. (b) Forma do alvo do registro do conjunto de pontos. (c) Forma após o primeiro registro. (d) Forma após o segundo registro. Crédito:Kanazawa University
A forma vermelha é feita por uma deformação não rígida da forma azul; as duas formas não são sobrepostas uma à outra pela rotação da forma. A forma mais à esquerda representa o posicionamento inicial, mostrando que o registro preliminar do conjunto de pontos não foi executado antes do registro automatizado. O processo de otimização é mostrado da esquerda para a direita. Crédito:Kanazawa University
A importância dos problemas de registro de conjuntos de pontos se deve à sua ampla gama de aplicações nas áreas de computação gráfica (CG) e visão computacional. A autenticação pessoal por reconhecimento facial usado em smartphones pode ser interpretada como uma aplicação de registro de conjunto de pontos. Avançar, combinando a forma tridimensional de certas duas pessoas, chamado de "metamorfose, "pode ser realizado por meio do registro de conjunto de pontos. Além disso, há um estudo bem conhecido que permitiu a restauração de um modelo de rosto tridimensional da falecida Audrey Hepburn a partir de uma única imagem, que usava uma técnica que pode ser interpretada como registro de conjunto de pontos. Portanto, uma vez que os registros de conjuntos de pontos com uma ampla variedade de aplicativos podem agora ser realizados em uma velocidade muito alta com alta precisão, espera-se que o método estabelecido neste estudo seja utilizado como uma tecnologia central neste campo de pesquisa.
Por outro lado, o método poderia ser melhorado ainda mais. Embora seja notavelmente mais rápido do que o método convencional, a velocidade do cálculo pode se tornar um problema quando o número de pontos em um conjunto de pontos atinge milhões. O Prof. Hirose está desenvolvendo métodos para permitir o cálculo de um problema de registro de conjunto de pontos tão grande em alguns minutos. Os resultados preliminares mostram uma grande promessa para novos desenvolvimentos bem-sucedidos.