225 fotografias de uma sala de brincar → cena 3D navegável
Este é o caminho completo que a plataforma faria por cada imóvel, mostrado com um caso público bem documentado: a cena «playroom» do dataset Deep Blending. A captação é de máquina fotográfica, não de telemóvel; é o melhor caso, não o caso típico. O passo em falta, um vídeo de telemóvel de um apartamento nosso, está na proposta de custos da visão geral.
1 · Entrada: as fotografias
Uma volta pela sala, com sobreposição entre fotos consecutivas.
Reduzidas para o treino; o original era maior.
O que o consultor carregaria na ficha do imóvel. Um vídeo de 90 s dá um volume parecido.
Hedman et al. 2018. Com telemóvel conta-se com mais desfoque e menos sobreposição.
72 das 225 fotografias, por ordem de captação:
2 · Processamento (o trabalho em GPU)
Descobre onde estava a câmara em cada foto. 10 a 15 min de CPU. É o passo que falha com espelhos e paredes lisas.
7 000 iterações numa RTX A6000 (tabela 1 do artigo do 3DGS). Serve para o consultor validar a captação.
30 000 iterações na mesma GPU. 1,92 milhões de gaussianas, 676 MB em memória.
A100 pay-as-you-go, ≈ 45 min incluindo COLMAP. Em spot ≈ 0,66 USD. Detalhe na visão geral.
3 · Publicação
Ficheiro PLY com 62 valores por gaussiana. Impossível de servir a um comprador.
Formato SOG, sem harmónicas esféricas, 21 s de CPU neste servidor com splat-transform. 20 vezes mais pequeno.
Carrega como uma imagem grande e corre no telemóvel. Sem servidor de 3D, sem GPU no nosso lado.
4 · Resultado
As zonas desfocadas ou com «fiapos» são sítios que as fotografias não cobriram bem. Numa casa real seria aí que o consultor refilmaria.
O que isto prova
Que o caminho fotografias → poses → treino → compressão → browser existe inteiro em software aberto, e quanto custa por imóvel em tempo de máquina.
O que não prova
Que um consultor com um telemóvel consegue uma captação assim à primeira. Esse é o objectivo da prova de conceito com dois ou três imóveis reais.