Inpainting von Fassadenobjekten mit Deep-Learning-Methoden

Bei aktuellen Methoden zur Rekonstruktion semantischer 3D-Gebäudemodelle auf LoD3-Niveau sind 2D-Konflikt- karten, welche auf potenzielle Konflikte zwischen existierenden LoD2-Gebäudemodellen und korrespondierenden Punktwolken hinwei- sen, ein wichtiges Zwischenergebnis. Aufgrund von Abschattungen sind solche Konfliktkarten häufig unvollständig. In diesem Beitrag wird untersucht, wie Deep-Learning-basierte Image-Inpainting-Methoden verwendet werden können, um unvollständige Konfliktkarten zu vervollständigen. Dabei liegt der Fokus auf der Personalisierung eines Stable-Diffusion-Image-Inpainting-Modells mit DreamBooth. Die Ergebnisse der Experimente zeigen das Potenzial der Anwendung und der Personalisierung Deep-Learning-basierter Image-Inpainting- Methoden zur Vervollständigung unvollständiger 2D-Konfliktkarten.     «

Bei aktuellen Methoden zur Rekonstruktion semantischer 3D-Gebäudemodelle auf LoD3-Niveau sind 2D-Konflikt- karten, welche auf potenzielle Konflikte zwischen existierenden LoD2-Gebäudemodellen und korrespondierenden Punktwolken hinwei- sen, ein wichtiges Zwischenergebnis. Aufgrund von Abschattungen sind solche Konfliktkarten häufig unvollständig. In diesem Beitrag wird untersucht, wie Deep-Learning-basierte Image-Inpainting-Methoden verwendet werden können, um unvollständige Konfliktkarten zu...     »