Work

Reparación digital de objetos arqueológicos utilizando atención cruzada y ruido sobre nubes de puntos

Year: 2025
Type: dissertation
Abstract: En la era digital actual, las técnicas de modelado 3D han permitido avances significativos en la arqueología, una disciplina que busca entender eI pasado humano a través del estudio y la conservación de vestigios antiguos. Sin embargo, muchos de los objetos arqueológicos digitalizados presentan geometrías incompletas debido al deterioro de los objetos originales o a las limitaciones en los métodos de escaneo. Recientemente, se han alcanzado distintos avances en conseguir reparar objetos incompletos por computador. Sin embargo, muchos métodos utilizados no son realmente aplicables a objetos arqueológicos, pues pueden asumir propiedades como la existencia de superficies cerradas, o en otras ocasiones causar una pérdida de detalles no deseada cuando se busca mantener la mayor cantidad de geometría original posible. En este estudio, se buscó trabajar directamente con nubes de puntos, dada la facilidad de conseguir este tipo de datos y su compatibilidad con digitalizaciones de objetos arqueolÓgicos. Esta tesis aborda eI problema de la reparación digital de objetos arqueológicos representa- dos como nubes de puntos. Se propusieron nuevas arquitecturas de redes neuronales, a partir de modelos previos como PointAttN y Convolutional Occupancy Networks. Se propusieron tres enfoques principales: la clasificación de ruido para generar reparaciones (PointAttNB y DualConvONet); una variante que transformaba el ruido en su totalidad en reparaciones completas (PointAttNA), y eI uso directo de PointAttN como red de reparación de objetos arqueológicos (PointAttND). Además, se experimentó con la creación de un parche intermedio de reparación, que al concatenarlo con la entrada fracturada conseguía objetos reparados que conservaban los puntos del objeto original. Los modelos propuestos demostraron ser efectivos en la reparacíon digital de objetos arqueológicos, superando a métodos del estado del arte como PCDiff y DRDAP en métricas clave como el Chamfer Distance Factor. En particular, PointAttND destacó como el mejor modelo en ese aspecto. PointAttNA y PointAttNB no se quedaron atrás, e igualmente alcanzaron resultados importantes en algunas de las métricas evaluadas. Los modelos mostraron que era posible combinar efectivamente atención y ruido para producir nubes de puntos de los objetos reparados. Aunque se encontraron desafíos al trabajar con geometrías complejas y diversidad limitada en los conjuntos de datos de entrenamiento, los avances presentados sientan una base sólida para futuras investigaciones, destacando el potencial de estas técnicas para la reparación digital de objetos arqueológicos tan solo utilizando sus nubes de puntos. La implementación de los modelos se encuentra disponible en https://github.com/Cub olink/PointNoiseAttentionRepairer.
Language: Spanish
Open Access status: green
OpenAlex ID: W7209763990
Cites:
Cited by:
Related to: 10