Name: Paysages savants photoréalistes pour la réalité augmentée (Vidéo) | JoVE Journal
Uploaded: 2025-06-27T13:20:00.000+00:00
Duration: 6 min 54 s
Description: Découvrez la reconstruction 3D photoréaliste à partir d'images 360 degrés pour créer des environnements virtuels immersifs. Cette méthode utilise le Gaussian splatting et COLMAP pour des applications en thérapie, éducation et validation industrielle.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

1. Capture d’image
<ol>
	<li>Placez la caméra 360° sur un trépied réglable en hauteur. Sélectionnez une série de positions dans l’environnement à analyser, en suivant un motif de maillage carré où chaque bord est espacé de 1,5 m.</li>
	<li>Capturez des images à trois hauteurs différentes à chaque point sélectionné du maillage : environ 0,4 m, 1,2 m et 2 m.</li>
	<li>Convertissez les images à 360° en images au format équirectangulaire. Utilisez l’application Ista360, par exemple. Sélectionnez l’image, appuyez sur le bouton Exporter , choisissez le mode Exporter la photo 360 et exportez-la au format 2:1.</li>
	<li>Extrayez des images en perspective au format 16:9 de chaque image équirectangulaire avec un champ de vision horizontal de 90°. Utilisez les angles horizontaux suivants pour toutes les images : 0, 45, 90, 135, 180, 225, 270, 315. Pour les images prises à une hauteur de 0,4 m, utilisez les angles verticaux 0, 50. Pour les images prises à une hauteur de 1,2 m, utilisez les angles verticaux -50, 0, 50. Pour les images prises à une hauteur de 2 m, utilisez les angles verticaux -50, 0. Pour le processus d’extraction, utilisez le script Python Equi2Pers.py (Supplementary Coding File 1 ; Figure 2).</li>
</ol>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/68386/68386fig2.jpg"> 
Figure 2 : Images équirectangulaires aux projections. Schéma de la conversion d’une image équirectangulaire en projection de carte cubique. <a href="https://www.jove.com/files/ftp_upload/68386/68386fig2large.jpg" target="_blank">Veuillez cliquer ici pour voir une version agrandie de cette figure.</a>
2. Estimation de la pose de la caméra avec COLMAP
<ol>
	<li>Créez un nouveau projet COLMAP en cliquant sur Fichier &gt; Nouveau projet, puis spécifiez le chemin d’accès aux images et créez une nouvelle base de données.</li>
	<li>Extrayez les caractéristiques de chaque image en cliquant sur Traitement &gt; Extraction des caractéristiques, en sélectionnant PINHOLE comme modèle de caméra et en partageant toutes les images. Laissez les paramètres restants par défaut. Dans les zones avec beaucoup de texture, max_num_features peut être réduite pour augmenter l’efficacité de la méthode.</li>
	<li>Effectuez le rapprochement des caractéristiques en cliquant sur Traitement &gt; Correspondance des caractéristiques, à l’aide des paramètres par défaut.</li>
	<li>Calculez SfM en cliquant sur Reconstruction &gt; Démarrer la reconstruction pour obtenir les positions et orientations de la caméra, à l’aide des paramètres COLMAP par défaut.</li>
	<li>Réduisez les erreurs de reprojection à l’aide de l’ajustement de l’ensemble en cliquant sur Reconstruction &gt; Ajustement de l’ensemble.</li>
	<li>Générez une représentation 3D dense de la scène en cliquant sur Reconstruction &gt; Reconstruction dense, avec des sorties comprenant des poses de caméra et des points reconstruits.</li>
</ol>
3. Reconstruction de scène 3D photoréaliste à l’aide d’un éclaboussage gaussien (GS)
<ol>
	<li>Exécutez le fichier train.py avec les paramètres -s, -m et -r, où -s spécifie le chemin du projet COLMAP, -m définit le chemin de sortie pour le splatting gaussien (s’il n’est pas spécifié, un chemin par défaut est généré) et -r redimensionne les images, généralement défini entre 2 et 4. REMARQUE : Le fichier train.py se trouve dans le dépôt officiel de Gaussian Splatting https://github.com/graphdeco-inria/gaussian-splatting.</li>
	<li>Localisez le fichier .ply généré par le splatting gaussien dans le chemin de sortie pour une utilisation ultérieure dans Unity.</li>
</ol>
4. Rendu en réalité virtuelle avec Unity et Gaussian splatting
<ol>
	<li>Connectez le casque VR à l’ordinateur. Cette méthode dépend du casque VR utilisé.</li>
	<li>Utilisez Unity Hub pour créer un projet 3D avec la version 2022.3.44f1. Installez Unity version 2022.3.44f1 si nécessaire. Accédez à Projets &gt; Nouveau projet, sélectionnez la version 2022.3.44f1 et le modèle 3D (Core), définissez un nom et un emplacement de projet, puis cliquez sur Créer un projet pour le générer avec les paramètres par défaut.</li>
	<li>Installez un plug-in pour gérer le casque VR et simplifiez le développement d’applications, y compris des tâches telles que l’accès au joystick et le suivi oculaire. Pour ce faire, via l’Asset Store Unity à l’aide du gestionnaire de packages, cliquez sur Fenêtre &gt; Gestionnaire de packages.</li>
	<li>Utilisez le plug-in UnityGaussianSplatting pour générer une ressource à partir de la sortie Gaussian Splatting. Pour ce faire, via l’Asset Store Unity à l’aide du gestionnaire de packages. Pour générer cette ressource, accédez à Outils &gt; GaussianSplats &gt; Créer GaussianSplatAsset et fournissez le fichier .ply généré par Gaussian Splatting.</li>
	<li>Utilisez le plug-in UltraLeap pour améliorer la détection des mains, améliorant ainsi l’interaction avec l’utilisateur. Pour l’installer, accédez à Unity Asset Store &gt; Gestionnaire de packages , puis cliquez sur Fenêtre &gt; Gestionnaire de packages.</li>
	<li>Utilisez le plugin whisper.unity pour transcrire l’audio capturé par le microphone du casque VR. Installez-le comme décrit à l’étape 4.5.</li>
	<li>Utilisez un modèle LLM pour générer des réponses. Installez le plugin LLMUnity pour permettre l’utilisation de ce LLM. Installez-le comme décrit à l’étape 4.5.<ol>
		<li>Créez un GameObject vide et ajoutez un script LLM, puis cliquez sur le bouton Télécharger le modèle pour sélectionner un modèle par défaut. Pour les caractères, ajoutez un objet vide et attachez-y le script LLMCharacter, où le nom et le rôle peuvent être spécifiés.</li>
	</ol>
	</li>
	<li>Utilisez le SDK Meta - Voice pour générer de l’audio à partir de la réponse produite par LLM. Pour ce faire, installez un plug-in de synthèse vocale via l’Asset Store Unity à l’aide du gestionnaire de packages en cliquant sur Fenêtre &gt; Gestionnaire de packages.</li>
	<li>Utilisez des casques VR pour permettre une interaction immersive.</li>
</ol>

<ol><li>Zollmann, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Augmented+Reality+for+Construction+Site+Monitoring+and+Documentation%5BTitle%5D)+AND+%22Proceedings+IEEE%22%5BJournal%5D)">Augmented Reality for Construction Site Monitoring and Documentation.</a> Proceedings IEEE. 102 (2), 137-154 (2012).</li>
<li>Zhou, L., Wu, G., Zuo, Y., Chen, X., Hu, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+comprehensive+review+of+vision-based+3d+reconstruction+methods%5BTitle%5D)+AND+%22Sensors%22%5BJournal%5D)">A comprehensive review of vision-based 3d reconstruction methods.</a> Sensors. 24 (7), 2314(2024).</li>
<li>Structure-from-motion revisited. Schonberger, J. L., Frahm, J. M. IEEE Conf Comp Vis Pattern Recog, , 4104-4113 (2016).</li>
<li>Kerbl, B., Kopanas, G., Leimkühler, T., Drettakis, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((3d+gaussian+splatting+for+real-time+radiance+field+rendering%5BTitle%5D)+AND+%22ACM+Trans.+Graph%22%5BJournal%5D)">3d gaussian splatting for real-time radiance field rendering.</a> ACM Trans. Graph. 42 (4), 139-141 (2023).</li>
<li>Embedding large language models into extended reality: Opportunities and challenges for inclusion, engagement, and privacy. Bozkir, E., et al. Proc 6th ACM Conf Conversat User Interf, , 1-7 (2024).</li>
<li>Remondino, F., El-Hakim, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Image-based+3D+modelling%3A+A+review%5BTitle%5D)+AND+%22Photogrammet+Record%22%5BJournal%5D)">Image-based 3D modelling: A review.</a> Photogrammet Record. 21 (115), 269-291 (2006).</li>
<li>Özyeşil, O., Voroninski, V., Basri, R., Singer, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+survey+of+structure+from+motion%5BTitle%5D)+AND+%22Acta+Numerica%22%5BJournal%5D)">A survey of structure from motion.</a> Acta Numerica. 26, 305-364 (2017).</li>
<li>Structure from motion using full spherical panoramic cameras. Pagani, A., Stricker, D. IEEE Int Conf Comp Vision Workshops, , 375-382 (2011).</li>
<li>Dalal, A., Hagen, D., Robbersmyr, K. G., Knausgård, K. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Gaussian+Splatting%3A+3D+Reconstruction+and+Novel+View+Synthesis%3A+A+Review%5BTitle%5D)+AND+%22IEEE+Access%22%5BJournal%5D)">Gaussian Splatting: 3D Reconstruction and Novel View Synthesis: A Review.</a> IEEE Access. 12, 96797-96820 (2024).</li>
<li>Zhang, M., Ding, H., Naumceska, M., Zhang, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Virtual+Reality+Technology+as+an+Educational+and+Intervention+Tool+for+Children+with+Autism+Spectrum+Disorder%3A+Current+Perspectives+and+Future+Directions%5BTitle%5D)+AND+%22Behav+Sci%22%5BJournal%5D)">Virtual Reality Technology as an Educational and Intervention Tool for Children with Autism Spectrum Disorder: Current Perspectives and Future Directions.</a> Behav Sci. 12 (5), 138(2023).</li>
<li>Failla, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Virtual+reality+for+autism%3A+unlocking+learning+and+growth%5BTitle%5D)+AND+%22Front+Psychol%22%5BJournal%5D)">Virtual reality for autism: unlocking learning and growth.</a> Front Psychol. 15, 1417717(2024).</li>
<li>Huang, B., Yu, Z., Chen, A., Geiger, A., Gao, S. 2D Gaussian Splatting for Geometrically Accurate Radiance. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aHuang%2C+B+%22arXiv%22">arXiv</a>. , (2024).</li>
<li>Zhang, Y., et al. Evaluating Human Perception of Novel View Synthesis: Subjective Quality Assessment of Gaussian Splatting and NeRF in Dynamic Scenes. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aZhang%2C+Y+%22arXiv%22">arXiv</a>. , (2025).</li>
</ol>

La capacité de recréer et d’interagir avec des paysages 3D est devenue essentielle dans de nombreux domaines différents des applications technologiques modernes. Les techniques traditionnelles de création de représentations virtuelles de lieux réels reposent parfois sur des modèles rigides et à forte intensité de main-d’œuvre et sur des mesures manuelles1. Les techniques avancées de vision par ordinateur sont apparues comme des options viables pour la reconstruction et l’interaction 3D automatisées afin de surmonter ces limitations2.
Le développement de modèles 3D complexes à partir de photographies à 360 degrés est une caractéristique notable de ces progrès. Des informations spatiales précises peuvent être obtenues en localisant les zones exactes dans lesquelles les photos ont été prises à l’aide d’outils de pointe tels que COLMAP3. Le processus est encore amélioré par Gaussian Splatting4, qui permet de recréer des décors complexes en 3D avec une bonne qualité.
L’intégration de ces modèles 3D dans des systèmes de réalité virtuelle (VR) ouvre de nouvelles voies d’exploration et d’engagement au-delà de la reconstruction. Pour augmenter l’engagement, les utilisateurs peuvent mesurer des objets du monde réel tels que des portes et des tables, se déplacer dans l’espace virtuel et même ajouter des objets numériques et des avatars. Ces avatars peuvent produire des réponses dynamiques et interactives à l’aide de grands modèles de langage (LLM), ce qui permet de vivre des expériences immersives5.
Ce travail présente une méthodologie permettant de créer des représentations tridimensionnelles d’un environnement réel à l’aide d’images en couleur régulières et de les afficher dans une configuration de réalité virtuelle. Le système s’appuie sur des pipelines de structure à partir du mouvement et de pulvérisation gaussienne. Le système est adapté à la création d’autres applications dans la construction ou les soins de santé.
Le pipeline proposé produit des représentations tridimensionnelles visuellement réalistes et attrayantes d’environnements réels, ce qui constitue son principal avantage. De plus, il utilise des images couleur, ce qui est très pratique par rapport à d’autres approches qui nécessitent des capteurs coûteux tels que les LiDAR ou les caméras à lumière structurée6. La raison d’être de la proposition est que la capacité de créer facilement des représentations tridimensionnelles visuellement attrayantes a de nombreuses applications. Il peut être utilisé dans la construction pour le contrôle de la qualité, dans les soins de santé pour traiter les personnes autistes dans un environnement connu et contrôlé, ou dans le divertissement pour inclure une représentation précise d’un lieu réel dans un jeu vidéo.
Le développement de systèmes de reconstruction 3D et d’interaction avec des environnements virtuels a considérablement progressé ces dernières années, sous l’impulsion de l’intégration de la vision par ordinateur, de l’apprentissage automatique et des technologies de réalité virtuelle2. Les principaux éléments et méthodologies pertinents pour ce travail sont décrits ci-dessous.
La reconstruction 3D précise s’appuie sur le traitement d’image pour extraire des informations spatiales et géométriques. Les méthodes traditionnelles telles que Structure from Motion (SfM)7 et Multi-View Stereo (MVS)8 ont été largement utilisées pour estimer les poses de caméra et générer des nuages de points denses. Des outils tels que COLMAP sont reconnus pour leur robustesse dans l’exécution de ces tâches, combinant SfM et MVS pour produire des modèles 3D très précis à partir de jeux de données d’images. Cependant, des limites subsistent dans la gestion d’un éclairage complexe, de textures et d’environnements très dynamiques.
Parmi les avancées récentes, citons le Gaussian Splatting9, qui utilise une représentation basée sur des points pour produire des reconstructions photoréalistes avec une plus grande efficacité que les méthodes traditionnelles basées sur le maillage. Le gaussian splatting permet une visualisation plus fluide et une représentation spatiale plus précise, en particulier dans les scènes aux détails complexes.
Une fois les modèles 3D reconstruits, leur transformation dans des formats compatibles VR est cruciale pour une interaction immersive. L’utilisation des systèmes de RV s’est étendue au-delà du divertissement dans des domaines tels que l’éducation, les soins de santéet le design industriel. Les frameworks VR modernes permettent une navigation fluide, une interaction avec les objets numériques et un réalisme amélioré, ce qui les rend adaptés aux applications nécessitant un fort engagement de l’utilisateur.
L’intégration de fonctionnalités interactives telles que des objets virtuels et des avatars améliore considérablement la fonctionnalité et la profondeur des systèmes de réalité virtuelle (VR). Les avatars alimentés par de grands modèles de langage (LLM) facilitent des interactions conversationnelles réalistes, permettant des expériences utilisateur dynamiques et adaptatives. En particulier, ces technologies ont montré un potentiel dans des contextes thérapeutiques, permettant des interactions personnalisées en fonction du comportement de l’utilisateur ou de son état émotionnel. Par exemple, cette étude11 a développé une application VR utilisant des avatars comme chatbots alimentés par des LLM pour former les personnes autistes aux compétences de communication professionnelle, mettant en évidence l’adaptabilité des avatars alimentés par LLM en thérapie. De plus, les LLM ont été intégrés dans des environnements de réalité augmentée pour promouvoir l’inclusion et l’engagement, soutenant ainsi le potentiel thérapeutique des avatars pilotés par les LLM.
Les environnements virtuels sont de plus en plus utilisés dans des contextes thérapeutiques, en particulier pour les personnes atteintes de troubles du spectre autistique (TSA). Des études montrent que des espaces virtuels familiers et contrôlés peuvent réduire l’anxiété et augmenter l’engagement pendant les séances de thérapie11. Dans ces environnements, les avatars peuvent agir comme des facilitateurs, en dispensant la thérapie d’une manière qui semble sûre et accessible au patient.
Malgré les progrès réalisés, des défis subsistent, notamment le coût de calcul de la reconstruction 3D, le maintien d’une haute fidélité dans les environnements virtuels et la garantie d’une intégration fluide entre les systèmes. Cependant, le développement continu d’algorithmes et de matériel plus efficaces, ainsi que les progrès des outils basés sur l’IA, offrent des possibilités d’innovation dans ce domaine. Cet article présente un nouveau système de reconstruction 3D et d’interaction avec des environnements virtuels à l’aide d’images à 360 degrés. L’approche intègre des techniques telles que la localisation d’images à l’aide de COLMAP, la reconstruction de haute qualité à l’aide du splatting gaussien et la compatibilité VR pour l’exploration immersive. En incorporant des objets numériques et des avatars interactifs alimentés par des LLM, le système permet des applications dans la thérapie personnalisée pour les personnes atteintes de TSA et la vérification de projets de construction. Ces outils fournissent un cadre complet pour la création d’environnements virtuels adaptatifs qui enrichissent les pratiques thérapeutiques et industrielles. La figure 1 montre le pipeline de propositions.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/68386/68386fig1.jpg"> 
Figure 1 : Pipeline du système. Schéma du pipeline proposé pour la reconstruction photoréaliste de l’environnement composé de l’environnement réel, des images à 360°, des projections obtenues, du procédé SfM, du procédé de Splatting Gaussien, et de l’intégration avec la Réalité Virtuelle. <a href="https://www.jove.com/files/ftp_upload/68386/68386fig1large.jpg" target="_blank">Veuillez cliquer ici pour voir une version agrandie de cette figure.</a>

<table><tbody><tr><td>GPU NVIDIA GeForce RTX 2080</td><td>NVIDIA</td><td>TU104-400A</td><td>Dispositif de traitement et de reconstruction d’images&nbsp ;</td></tr><tr><td>Insta360 X4</td><td>Insta360</td><td>CINSABMA-H</td><td>Dispositif d’acquisition de données pour la reconstruction</td></tr><tr><td>Méta-quête III</td><td>Méta</td><td>899-00582-01</td><td>Dispositif de visualisation et d’interaction avec la reconstruction</td></tr><tr><td>Carte mémoire Evo Plus 128 GB</td><td>Samsung</td><td>MB-MC128KA/UE</td><td>carte mémoire pour 360&deg ; Stockage de photos</td></tr></tbody></table>

paysages savants photoréalistes pour la réalité augmentée

Photorealistic Learned Landscapes for Augmented Reality

Dans cette section, nous abordons les résultats représentatifs, les points forts et les limites du pipeline proposé. Les résultats de l’application de la méthode proposée sont les suivants. La figure 3 montre la position de la caméra (en rouge) et le nuage de points dense. Des groupes de caméras ayant des origines communes représentent des projections à partir de la même image équirectangulaire.
<img alt="Figure 3" class=...

Paysages savants photoréalistes pour la réalité augmentée

The ability to create photorealistic 3D reconstructions of real-world environments from standard color images has numerous applications in fields such as ...

photorealistic-learned-landscapes-for-augmented-reality

Research

Recherche

JoVE Journal

Engineering

Ingénierie

Cette vidéo illustre l’utilisation de la réalité augmentée (RA) pour la résection de tumeur, où un échantillon de tumeur scanné en 3D est visualisé sous forme d’hologramme sur un écran monté sur la tête. Les chirurgiens peuvent manipuler et verrouiller l’hologramme en place pour assurer une élimination précise de la tumeur.

Visualisation en réalité augmentée d’un échantillon de tumeur réséqué

Cette étude présente un paradigme expérimental pour un test d’utilisabilité combinant des évaluations subjectives et objectives. L’évaluation objective a adopté les méthodes Neuro-Information-Systems (NeuroIS), et l’évaluation subjective a adopté un questionnaire d’utilisabilité et une échelle NASA-Task Load Index (NASA-TLX).

Évaluation de l’utilisabilité de la réalité augmentée: une étude sur les systèmes neuro-informationnels

Cet article présente la conception et la mise en œuvre d’un module de chirurgie automatique basé sur la reconstruction 3D basée sur la réalité augmentée (RA). Le système permet la chirurgie à distance en permettant aux chirurgiens d’inspecter les caractéristiques reconstruites et de reproduire les mouvements chirurgicaux de la main comme s’ils effectuaient la chirurgie à proximité.

Chirurgie automatique dans le remplacement transcathéter de la valve aortique à l’aide de la réalité augmentée

Ce protocole offre un guide pour mettre en œuvre le suivi de marqueurs infrarouges pour les fantômes en mouvement libre (par exemple, les organes) et la visualisation holographique à l’aide de la réalité augmentée. De plus, il décrit une configuration pour la validation préclinique des systèmes de navigation holographiques utilisant le suivi électromagnétique sur des fantômes se déplaçant librement.

Approche technique du suivi infrarouge pour la navigation des tissus mous avec un écran holographique monté sur la tête et la validation préclinique

Photovoltaïques organiques (OPV) des matériaux sont intrinsèquement inhomogène à l'échelle nanométrique. Inhomogénéité échelle nanométrique de matériaux VPO affecte les performances des dispositifs photovoltaïques. Dans cet article, nous décrivons un protocole pour les mesures quantitatives des propriétés électriques et mécaniques des matériaux avec une résolution de VPO nm sous-100.

Parallèlement conductivité quantitatives et mesures mécaniques Propriétés des matériaux organiques photovoltaïques par AFM

Nous rapportons un processus d'une altération in situ de HF traitée Si surface (001) dans un état ​​hydrophile ou hydrophobe en irradiant les échantillons dans des chambres microfluidiques remplis de H 2 O 2 / H 2 O solution (0,01% -0,5%) ou des solutions de méthanol en utilisant pulsé laser UV d'une faible fluence rapport d'impulsions.

Selective Area Modification de la Silicon mouillabilité de surface par irradiation laser pulsé UV en milieu liquide

En raison de l'importance et de l'utilisation extensive de palladium, de l'or et du cobalt   métaux dans les équipements de haute technologie, leur récupération et le recyclage constituent un défi industriel important. Le système de récupération de métaux décrit ici est un moyen simple et peu coûteuse, efficace pour la détection, l'élimination et la récupération de ces métaux de la mine urbaine.

Détection et récupération du palladium, or et métaux de cobalt provenant de la mine urbaine utilisant de nouveaux capteurs / adsorbants désignés avec Nanoscale Wagon en forme de roues-Pores

Nous décrivons une technique permettant d’inscrire des réseaux de Bragg de fibre identiques dans chaque cœur d’une fibre multiconducteur. Ceci est réalisé en introduisant une surface supplémentaire dans le chemin optique pour atténuer la lentille par la surface incurvée de la gaine de fibre.

Rédaction de Bragg dans les fibres multipaires

Des méthodes expérimentales pour l’étude des procédés de refroidissement à l’état solide et la caractérisation des propriétés des matériaux élastocaloriques des alliages à mémoire de forme (SMA) sont présentées. Un banc d’essai sur mesure a été conçu pour le contrôle et la surveillance complète des processus de refroidissement élastocalorique. De plus, il fournit une plate-forme de validation pour les approches de modélisation thermomécaniquement couplées.

Méthodes expérimentales pour les enquêtes de la mémoire de forme à base Elastocaloric processus de refroidissement et de validation du modèle

Nous démontrons la manipulation précise de molécules organiques individuelles sur une surface métallique avec la pointe d’un microscope à sonde à balayage piloté en 3D par la main de l’expérimentateur à l’aide d’un système de capture de mouvement et de lunettes de réalité virtuelle totalement immersives.

Manipulation de l&#39;unité Molécules contrôlée main via un microscope à balayage de la sonde avec une interface de réalité virtuelle 3D

Découvrez la reconstruction 3D photoréaliste à partir d'images 360 degrés pour créer des environnements virtuels immersifs. Cette méthode utilise le Gaussian splatting et COLMAP pour des applications en thérapie, éducation et validation industrielle.

Paysages savants photoréalistes pour la réalité augmentée

Explorer plus de vidéos