Deep learning for predictive rendering of 3D printed objects

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F25%3A00643909" target="_blank" >RIV/67985556:_____/25:00643909 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Deep learning for predictive rendering of 3D printed objects

Popis výsledku v původním jazyce

This study explores the development of a deep learning-based predictive rendering system for 3D printed objects, addressing the challenge of accurately predicting surface appearance from input parameters like surface normals, light angles, view positions, and tangent vectors. By utilizing the Deep Shading architecture, we present and explore a method that synthesizes rendered appearances. The dataset, sourced from controlled multi-view and illumination imaging conditions, serves as the foundation for training and evaluating the model. We tested various loss functions and training data demonstrating a promising performance in 3D printed appearance reproduction. Our findings contribute to the broader effort of improving predictive rendering systems for 3D printed objects, with potential applications in manufacturing, design, and material science.

Název v anglickém jazyce

Deep learning for predictive rendering of 3D printed objects

Popis výsledku anglicky

This study explores the development of a deep learning-based predictive rendering system for 3D printed objects, addressing the challenge of accurately predicting surface appearance from input parameters like surface normals, light angles, view positions, and tangent vectors. By utilizing the Deep Shading architecture, we present and explore a method that synthesizes rendered appearances. The dataset, sourced from controlled multi-view and illumination imaging conditions, serves as the foundation for training and evaluating the model. We tested various loss functions and training data demonstrating a promising performance in 3D printed appearance reproduction. Our findings contribute to the broader effort of improving predictive rendering systems for 3D printed objects, with potential applications in manufacturing, design, and material science.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20201 - Electrical and electronic engineering

Projekt

<a href="/cs/project/GA22-17529S" target="_blank" >GA22-17529S: Vizuální identifikátor vzhledu materiálů</a><br>

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2025

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of the MANER Conference Mainz/Darmstadt 2025 (MANER 2025)

ISBN

—

ISSN

1613-0073

e-ISSN

—

Počet stran výsledku

10

Strana od-do

6

Název nakladatele

CEUR-WS

Místo vydání

Germany

Místo konání akce

Mainz/Darmstadt

Datum konání akce

29. 6. 2025

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—