مدل‌سازی عصبی: NeRF و Gaussian Splatting در بازسازی سه‌بعدی معماری و شهرسازی

تا همین اواخر، روش اصلی تبدیل تصاویر یک ساختمان به مدل سه‌بعدی، فتوگرامتری (Photogrammetry) بود که اغلب با مشکلاتی مانند خطا در جزئیات، بافت‌های نامنظم و سنگینی مدل‌های مش (Mesh) همراه بود. ظهور مدل‌های معماری عصبی (Neural Architecture)، به ویژه NeRF (Neural Radiance Fields) و اخیراً Gaussian Splatting (3DGS)، این معادله را به هم زده است. این فناوری‌ها به جای مدل‌سازی هندسه، نور و رنگ را در فضا کدگذاری می‌کنند و به واقع‌گرایی بی‌نظیر دست می‌یابند. این مقاله نگاهی تخصصی به نحوه استفاده از این ابزارهای انقلابی در معماری دارد.

NeRF (Neural Radiance Fields): رندرینگ حجمی با نور و رنگ

1. NeRF چیست و چگونه کار می‌کند؟ :

• توضیح ساده: به جای ذخیره نقاط و سطوح، NeRF جهت نور و رنگ را در هر نقطه از فضای سه‌بعدی (Volume) کدگذاری می‌کند.
• نتیجه: خروجی‌هایی با دقت نورپردازی و انعکاس‌های بسیار واقع‌گرایانه (به دلیل مدل‌سازی مستقیم پرتوهای نور).

2. چالش‌های NeRF در معماری :

• سرعت رندر: زمان‌بر بودن آموزش مدل و رندرگیری (با وجود پیشرفت‌ها).
• مدل‌سازی هندسه تمیز: دشواری در استخراج هندسه خالص (Clean Geometry) برای BIM یا ویرایش دقیق.

3. کاربردهای NeRF در معماری :

• ساخت تورهای مجازی (Walkthroughs) از سایت‌های موجود با کیفیت سینمایی.

• بازسازی سریع و واقع‌گرایانه بناهای تاریخی برای مستندسازی.

Gaussian Splatting 3D (3DGS): تحول در سرعت و عملکرد 

3DGS جدیدترین و سریع‌ترین تحول در این حوزه است که بسیاری از مشکلات NeRF را حل کرده است.

1. 3DGS چیست؟

• توضیح ساده: این مدل به جای شبکه‌های عصبی سنگین، از هزاران “ذره گاوسی” سه‌بعدی (3D Gaussian Splats) برای نمایش رنگ، شفافیت و جهت نور در فضا استفاده می‌کند.
• مزیت کلیدی: کیفیت بصری نزدیک به NeRF، اما با رندرینگ ریل‌تایم (در حد فریم‌ریت بالا).

2. 3DGS در مقابل فتوگرامتری :

• برتری 3DGS در کیفیت لبه‌ها، جزئیات بافت و بازتاب‌های شیشه‌ای در مقایسه با مش‌های فتوگرامتری.

3. کاربردهای عملی در شهرسازی و مدل‌سازی :

• بازسازی بخش‌های بزرگی از شهرها برای مدل‌های دوقلوی دیجیتال با سرعت بالا.
• استفاده از خروجی 3DGS به عنوان پس‌زمینه رندر (HDRi) با جزئیات واقعی.

ادغام با Workflow معماری 

1. تبدیل مدل‌های حجمی به هندسه BIM :

• روش‌هایی برای استخراج سطوح (Surfaces) ساده از مدل‌های NeRF/3DGS برای استفاده در نرم‌افزارهای BIM (یک چالش مهم).

2. استفاده از داده‌های NeRF/3DGS در موتورهای ریل‌تایم :

• نحوه وارد کردن این مدل‌های سه‌بعدی به موتورهایی مانند Unreal Engine یا Unity برای ساخت محیط‌های تعاملی.

آینده معماری عصبی

1. AI به عنوان سنسور: ساخت خودکار مدل‌ها :

• انتظار می‌رود که در آینده، هوش مصنوعی بتواند با گرفتن چند عکس، مدل‌های عصبی سه‌بعدی را به صورت خودکار و بدون نیاز به پردازش طولانی تولید کند.

2. رندرینگ ابرنقطه‌ای و پایگاه داده :

• چگونگی تحول در شیوه ذخیره‌سازی داده‌های سه‌بعدی معماری با مدل‌های NeRF/3DGS.