Generative Modellierung zur Synthese von 3D Objekten und Szenen

von Katharina Schmid

Die Erzeugung von 3D-Objekten ist ein schnell wachsender Forschungsbereich mit breiter Relevanz für verschiedene Bereiche wie Computergrafik, virtuelle und erweiterte Realität sowie Robotik. Während neuere generative Modelle beeindruckende Ergebnisse bei der Erzeugung realistischer 2D-Bilder und -Videos erzielt haben, ist die Synthese hochwertiger 3D-Objekte aufgrund der zusätzlichen räumlichen Dimension nach wie vor wesentlich komplexer. Diese Aufgabe wird noch schwieriger, wenn sie auf vollständige 3D-Szenen oder dynamische Objekte ausgeweitet wird, bei denen die Beziehungen zwischen mehreren Formen und deren zeitlichen Veränderungen zusätzliche Komplexitätsebenen mit sich bringen.

Motiviert durch diese Herausforderungen konzentriert sich meine Doktorarbeit auf die Entwicklung neuartiger 3D-Darstellungen und generativer Modellierungstechniken, die darauf abzielen, die 3D-Asset-Synthese voranzubringen. Dazu gehört die Erforschung von Frameworks wie dem Flow Matching, das auf 3D-Punktwolken angewendet wird, sowie optimierte Strategien für den Abgleich räumlicher Daten, um die Stabilität und Qualität der Generierung zu verbessern. Darüber hinaus bin ich daran interessiert, diese Ansätze auf reichhaltigere und ausdrucksstärkere 3D-Darstellungen wie neuronale Punktwolken und gaußsche kernbasierte Modelle auszuweiten, mit dem Ziel, detailliertere, realistischere und besser kontrollierbare 3D-Inhalte für eine Vielzahl von Anwendungen zu ermöglichen.