Využití umělé inteligence pro generování obsahu pro rozšířenou realitu

Abstract

Využití umělé inteligence (AI) , zejména prostřednictvím generativních modelů, se rychle rozvíjí. Tato diplomová práce zkoumá využití generativních modelů při tvorbě digitálního obsahu pro aplikace rozšířené reality (AR). Tato oblast zaznamenala významný růst, který byl podpořený pokroky v lokalizačních systémech, včetně systémů vizuálního pozicování (VPS). Práce se zaměřuje na generování digitálního obsahu pro aplikace AR s důrazem na to, jak je tento obsah přizpůsoben konkrétním geografickým lokalitám. Zahrnuje integraci dat založených na umístění - jako je kontext prostředí, body zájmu a informace o lokaci - do textového řetězce. Tento řetězec slouží jako vstup pro generativní model, který produkuje 3D modely. Tyto modely jsou následně načteny v AR scéně. Kromě analýzy generativní AI se práce věnuje i zásadním lokalizačním službám pro aplikace AR a zkoumá vizuální vylepšení, které mohou zlepšit vzhled digitálního obsahu v reálném prostředí. Významným výsledkem této práce je návrh a vývoj systému, který dynamicky generuje modely na základě okolního prostředí. Architektura systému zahrnuje tři hlavní komponenty: aplikaci rozšířené reality, výpočetní server a komunikační server s databází, kde jsou uloženy všechny modely. Tato struktura podporuje nejen generování nových modelů, ale také umožňuje uživatelům přístup k modelům vytvořeným jinými uživateli. Práce demonstruje potenciál využití generativních modelů k obohacení aplikací AR o kontextově citlivý digitální obsah.

The application of AI, particularly through generative models, is rapidly advancing. This thesis examines the use of generative models in creating digital content for AR applications, an area experiencing significant growth supported by advancements in localization systems, including VPS. This thesis focuses on the generation of digital content for AR applications, with emphasis how such content is customized to specific geographic locations. It involves integrating location-based data—such as environmental context, points of interest, and address information—into a text prompt. This prompt then serves as input to the generative model that creates 3D models. These models are then loaded into an AR scene. In addition to analyzing generative AI, the thesis examines crucial localization services for AR applications and explores visual enhancements that could improve appearance of digital content in the real-world environment view. A significant outcome of this research is the design and the development of a system that dynamically generates models based on the surrounding environment. The system architecture comprises three main components: the AR application, a computation server, and a communication server with a database where all models are stored. This structure not only does support the generation of new models but also enables users to access models created by others. The thesis demonstrates the potential of using generative models to enhance AR applications with context-sensitive digital content.