Riassunto analitico
Una delle maggiori sfide nel campo della ricerca in ambito assicurativo riguarda
l’automatizzazione delle stime di un danno.
L'identificazione automatica dei danni sulla parte esterna di un'auto può essere di grande utilità
per diverse situazioni aziendali e settori, dalle assicurazioni all’ambito dei noleggi, e ha acquisito
importanza negli ultimi anni. La capacità di identificare correttamente l'area danneggiata di
un'auto, infatti, può migliorare i processi aziendali e consentire la digitalizzazione in vari settori.
L'obiettivo di questa tesi è sviluppare una pipeline in grado di ricreare un digital twin di
un'automobile che possa essere utilizzato come rappresentazione digitale del corrispondente
oggetto fisico.
Su tale digital twin dell'auto sarà importante rappresentare i diversi danni identificati sull'auto
stessa per studiare correttamente i potenziali interventi di riparazione e le parti da sostituire.
Con questo fine Prometeia ha sviluppato un modello di segmentazione in grado di riconoscere i
danni presenti sulle automobili.
Partendo da questo modello, durante la mia esperienza con Prometeia, abbiamo esplorato
soluzioni in grado di ricostruire una rappresentazione 3D di un’automobile danneggiata
sfruttando immagini con l’annotazione del danno sulla stessa.
La pipeline attuale realizza la proiezione del danno su un modello 3D generico di automobile,
questo viene fatto attraverso un meccanismo di mapping tra i componenti dell’automobile
presente nell’immagine e del veicolo 3D preso in considerazione.
Al momento i risultati ottenuti hanno delle limitazioni dovute all’utilizzo un modello 3D
generico e non specifico per l’automobile.
Al fine di migliorare la pipeline proposta da questo punto di vista abbiamo deciso di testare e
cercare di lavorare su architetture allo stato dell’arte per la ricostruzione di modelli 3D, in
particolare è stato preso in studio Instant-ngp proposto da NVIDIA.
Questa architettura basata su Nerf si occupa della ricostruzione 3D di una scena a partire da un
dato set di immagini, dalle quali si cerca di fornire una ricostruzione del modello in formato
digitale.
In questa tesi verranno mostrati i risultati della ricostruzione utilizzando Instant-ngp e i risultati
ottenuti cercando di modificare l’architettura della rete realizzata da NVIDIA, in particolare si
sono dimostrati promettenti i risultati avuti prendendo ispirazione dalle reti utilizzate nella
ricostruzione di immagini con tecniche GAN.
|
Abstract
One of the biggest challenges in insurance research concerns the automation of damage
estimation.
The automatic identification of damages on the external part of a car can be of great value for
different business situations and industries, from insurance to fleet rentals, and has gained
relevance in the past few years. The ability of correctly identifying the damaged area of a car,
indeed, can improve business processes and enable digitalization in various areas.
The aim of this thesis is to present a pipeline able to recreate a digital twin of a car that can be
used as the digital counterpart of the corresponding physical object.
On such a digital twin it will be relevant to represent the different damages identified on the car
itself in order to correctly define the repair work and parts to be replaced.
To this end, Prometeia has developed a segmentation model that can recognize the damage
present on vehicles.
Starting from this model, during my experience with Prometeia, we explored solutions that can
reconstruct a 3D representation of a damaged vehicle by exploiting images with annotation of the
damage on it.
The current pipeline realizes the projection of the damage on a generic 3D model of the car, this
is done through a mapping mechanism between the components of the car present in the image
and the 3D vehicle under consideration.
At present, the results obtained have limitations due to the use of a generic 3D model and not
specific for the vehicle.
In order to improve the pipeline proposed from this point of view we decided to work on stateof-the-art architectures for the reconstruction of 3D models, in particular it was taken in
consideration Instant-ngp proposed by NVIDIA.
This Nerf-based architecture deals with the 3D reconstruction of a scene from a given set of
images, from which it provides a reconstruction of the model in digital format.
In this thesis the reconstruction obtained using Instant-ngp will be shown along with results
obtained by trying to modify the network architecture created by NVIDIA, in particular, results
shown by taking inspiration from networks used in image reconstruction with GAN techniques
proved promising.
|
