Methoden und Literatur

1Rekonstruktion aus Bildern

Bild zu 3D führt TRELLIS.2 auf unserer eigenen GPU in Wien aus. Das Bild wird mit U²-Net (rembg) freigestellt, mit DINOv3 kodiert und in eine dünn besetzte Voxelstruktur dekodiert; unsere Nachbearbeitung (unten) macht daraus einen einzigen wasserdichten Körper in Millimetern. Text zu 3D zeichnet das Objekt zuerst mit SDXL.

1. J. Xiang, X. Chen, S. Xu, R. Wang, Z. Lv, Y. Deng, H. Zhu, Y. Dong, H. Zhao, N. J. Yuan, J. Yang. Native and Compact Structured Latents for 3D Generation (TRELLIS.2). arXiv preprint 2512.14692, 2025. Preprintmicrosoft/TRELLIS.2 · MIT · Bild zu 3D
2. J. Xiang, Z. Lv, S. Xu, Y. Deng, R. Wang, B. Zhang, D. Chen, X. Tong, J. Yang. Structured 3D Latents for Scalable and Versatile 3D Generation. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), highlight, 2025.microsoft/TRELLIS · MIT · Bild zu 3D
3. O. Siméoni, H. V. Vo, M. Seitzer, F. Baldassarre, M. Oquab, et al. DINOv3. arXiv preprint 2508.10104, 2025. Preprintfacebookresearch/dinov3 · DINOv3 License (commercial use with conditions) · Bild zu 3D
4. X. Qin, Z. Zhang, C. Huang, M. Dehghan, O. R. Zaiane, M. Jagersand. U²-Net: Going deeper with nested U-structure for salient object detection. Pattern Recognition 106, 107404, 2020.xuebinqin/U-2-Net · Apache 2.0 (rembg: MIT) · Bild zu 3D
5. D. Podell, Z. English, K. Lacey, A. Blattmann, T. Dockhorn, J. Müller, J. Penna, R. Rombach. SDXL: Improving Latent Diffusion Models for High-Resolution Image Synthesis. International Conference on Learning Representations (ICLR), 2024.Stability-AI/generative-models · CreativeML OpenRAIL++-M · Text zu 3D

2Tiefe, taktile Reliefs und Bilder

Das Fotorelief führt Depth Anything V2 Small über transformers.js in Ihrem Browser aus: Das Bild eines Gemäldes oder Objekts verlässt nie Ihren Computer. Taktile Reliefs für blinde und sehbehinderte Besucher folgen dem Schichtansatz von Reichinger et al. Bilder lassen sich vor einer Lithophanie oder einem Relief mit Real-ESRGAN vergrößern.

6. L. Yang, B. Kang, Z. Huang, Z. Zhao, X. Xu, J. Feng, H. Zhao. Depth Anything V2. Advances in Neural Information Processing Systems (NeurIPS), 2024.DepthAnything/Depth-Anything-V2 · Apache 2.0 (Small model) · Fotorelief
7. A. Reichinger, M. Maierhofer, W. Purgathofer. High-quality tactile paintings. ACM Journal on Computing and Cultural Heritage 4(2), 5, 2011. · Fotorelief
8. X. Wang, L. Xie, C. Dong, Y. Shan. Real-ESRGAN: Training Real-World Blind Super-Resolution with Pure Synthetic Data. IEEE/CVF International Conference on Computer Vision Workshops (ICCVW), 2021.xinntao/Real-ESRGAN · BSD-3-Clause · Lithophanie

3Wasserdichte Körper, Reparatur und Vereinfachung

Generierte und gescannte Oberflächen sind oft offen oder selbstüberschneidend. Wir bauen einen Körper volumetrisch neu auf, entscheiden innen und außen per Strahlparität, abgestimmt über neun Richtungen wie bei Nooruddin und Turk, extrahieren die Oberfläche mit Marching Cubes und vereinfachen sie topologieerhaltend mit quadratischen Fehlermetriken.

9. F. S. Nooruddin, G. Turk. Simplification and repair of polygonal models using volumetric techniques. IEEE Transactions on Visualization and Computer Graphics 9(2), 191–205, 2003. · GPU-Reparatur
10. W. E. Lorensen, H. E. Cline. Marching cubes: A high resolution 3D surface construction algorithm. ACM SIGGRAPH Computer Graphics 21(4), 163–169, 1987.scikit-image/scikit-image · BSD-3-Clause · GPU-Reparatur
11. M. Garland, P. S. Heckbert. Surface simplification using quadric error metrics. Proceedings of SIGGRAPH ’97, 209–216, 1997.cnr-isti-vclab/PyMeshLab · GPL-3.0 (server only) · GPU-Reparatur

4Fertigung und Kulturerbe

Ein großes Modell mit Verbindern in druckbare Teile zu zerlegen, ist das Problem, das Chopper untersucht. SplitSTL bietet eine Rasterzerlegung und eine Zerlegung an natürlichen Fugen, die jedes Teil einzeln an seiner schmalsten Stelle schneidet, mit Stiften oder Magneten und gravierten Teilenummern. Die Literatur zum Kulturerbe unten zeigt, warum Repliken und taktile Modelle in Museen wichtig sind. Das Photogrammetrie-Werkzeug (AliceVision) ist in Entwicklung.

12. L. Luo, I. Baran, S. Rusinkiewicz, W. Matusik. Chopper: Partitioning models into 3D-printable parts. ACM Transactions on Graphics 31(6), 129 (SIGGRAPH Asia), 2012. · Zerleger
13. R. Scopigno, P. Cignoni, N. Pietroni, M. Callieri, M. Dellepiane. Digital Fabrication Techniques for Cultural Heritage: A Survey. Computer Graphics Forum 36(1), 6–21, 2017. · Zerleger
14. M. Neumüller, A. Reichinger, F. Rist, C. Kern. 3D Printing for Cultural Heritage: Preservation, Accessibility, Research and Education. 3D Research Challenges in Cultural Heritage, LNCS 8355, 119–134, Springer, 2014. · Zerleger
15. C. Griwodz, S. Gasparini, L. Calvet, P. Gurdjos, F. Castan, B. Maujean, G. De Lillo, Y. Lanthony. AliceVision Meshroom: An open-source 3D reconstruction pipeline. Proceedings of the 12th ACM Multimedia Systems Conference (MMSys), 241–247, 2021.alicevision/Meshroom · MPL 2.0

5Open-Source-Software

Bibliotheken, die in SplitSTL laufen, ohne eigene Publikation.

6Offene Daten

Die offene Sammlung erfasst die 3D-Scans, die das Statens Museum for Kunst (SMK), Kopenhagen, über seine offene API unter der Public Domain Mark 1.0 veröffentlicht. Die Titel haben wir übersetzt; Maße und Lizenzen stammen aus den Einträgen des Museums.

7Lizenzen der Modelle, die wir ausführen

Jedes Modell im kostenpflichtigen Ablauf erlaubt kommerzielle Nutzung. Wir führen ein schriftliches Lizenz-Audit und verweigern nicht-kommerzielle Komponenten (NVIDIA nvdiffrast, MeshLib, Depth Anything V2 Base/Large) zur Laufzeit. Details auf der Über-uns-Seite.

SplitSTL zitieren

SplitSTL: an open 3D lab for cultural heritage. M. Buessler, Wien, 2026. https://splitstl.com