Khôi Phục Depthmap Từ Bản In 2D Mộc Bản - Nghiên Cứu Khoa Học Máy Tính

Khám phá luận văn thạc sĩ về khôi phục depthmap từ bản in 2D mộc bản trong lĩnh vực khoa học máy tính. Tìm hiểu công nghệ và ứng dụng.

• Tác giả: Trương Ngọc Kiên
• Người hướng dẫn: PGS.TS Lê Thanh Hà
• Trường học: Đại Học Quốc Gia Hà Nội
• Chuyên ngành: Khoa Học Máy Tính
• Đề tài: Khôi Phục Depthmap Từ Bản In 2D Mộc Bản
• Loại tài liệu: Luận Văn
• Năm xuất bản: 2022
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CẢM ƠN
• LỜI CAM ĐOAN
• DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT
• DANH MỤC CÁC BẢNG
• 1. CHƯƠNG 1: KIẾN THỨC NỀN TẢNG
• 1.1. Tổng quan mác bản triều Nguyễn
• 1.2. Công nghệ số hóa 3D mác bản
• 1.3. Tổng quan depthmap
• 1.4. Mô hình sinh depthmap từ ảnh 2D
• 1.5. Đánh giá Fréchet Inception Distance
• 1.6. Tổng kết chương
• 2. CHƯƠNG 2: KHÔI PHỤC DEPTHMAP TỪ BẢN IN 2D MỘC BẢN
• 2.1. Quy trình chuẩn bị tập dữ liệu huấn luyện
• 2.1.1. Xử lý dữ liệu thủ công
• 2.1.2. Xử lý dữ liệu bán tự động
• 2.1.3. Sinh ảnh depthmap từ mô hình 3D
• 2.1.4. Sinh thêm dữ liệu huấn luyện
• 2.2. Sinh depthmap từ bản in 2D mộc bản
• 2.3. Tổng kết chương
• 3. CHƯƠNG 3: THỬ NGHIỆM VÀ ĐÁNH GIÁ
• 3.1. Thử nghiệm CUT, Fast-Cut và pix2pix
• 3.2. Thử nghiệm pix2pix cho toàn bộ tập dữ liệu
• 3.3. Tổng kết chương
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Mộc Bản Triều Nguyễn Di Sản Văn Hóa

Mộc bản triều Nguyễn, được UNESCO công nhận là di sản tư liệu thế giới năm 2009, đóng vai trò quan trọng trong việc bảo tồn và phát huy giá trị văn hóa. Chúng là những tấm gỗ khắc chữ Hán hoặc chữ Nôm ngược, dùng để in ra các sách. Triều Nguyễn đã biên soạn, khắc in nhiều bộ sách sử và tác phẩm văn chương để phổ biến chuẩn mực xã hội, điều luật, ghi lại sự kiện lịch sử. Việc phục hồi depth map từ ảnh 2D của mộc bản là một hướng đi tiềm năng để bảo tồn di sản này. Tài liệu gốc nhấn mạnh rằng cần có những hướng đi mới để bảo tồn, đặc biệt là các tấm mộc bản bị hư hại.

1.1. Mộc Bản Là Gì Định Nghĩa và Ý Nghĩa Lịch Sử

Mộc bản triều Nguyễn là những bản khắc gỗ cổ xưa, chứa đựng tri thức và văn hóa của một thời đại. Chúng không chỉ là công cụ in ấn mà còn là những tác phẩm nghệ thuật độc đáo, thể hiện trình độ kỹ thuật cao của người xưa. Việc phục hồi di sản văn hóa này giúp kết nối quá khứ với hiện tại, bảo tồn cho các thế hệ tương lai. Đây cũng là một ví dụ điển hình về lịch sử mộc bản ở Việt Nam.

1.2. Hiện Trạng Mộc Bản Thách Thức Trong Bảo Tồn Di Sản

Hiện nay, việc bảo tồn mộc bản triều Nguyễn đang đối mặt với nhiều thách thức lớn. Tình trạng thất lạc, hư hỏng do thời gian, môi trường, và chiến tranh là những vấn đề nan giải. Số lượng mộc bản còn lại ít hơn so với ước tính ban đầu. Nghiên cứu khôi phục depth map có thể giúp tái tạo kỹ thuật số những mộc bản bị mất hoặc hư hỏng, đảm bảo sự trường tồn của di sản. Nhiều tấm hiện chỉ còn một phần ba hoặc một nửa so với bản gốc.

II. Vấn Đề Khôi Phục Mộc Bản 2D Thành Mô Hình 3D

Bài toán đặt ra là làm thế nào để khôi phục bề mặt 3D của mộc bản từ những bản in 2D còn sót lại. Việc phục dựng trực tiếp từ ảnh 2D sang mô hình 3D là một thách thức lớn. Do đó, nghiên cứu này tập trung vào việc ước tính depth từ ảnh, tạo ra depth map từ ảnh 2D. Depth map sẽ được sử dụng làm trung gian để tái tạo mô hình 3D, giúp bảo tồn và nghiên cứu di sản mộc bản một cách hiệu quả. Đây là một hướng tiếp cận gián tiếp nhưng khả thi hơn.

2.1. Giới Hạn Tại Sao Chọn Depth Map Thay Vì 3D Trực Tiếp

Việc khôi phục trực tiếp mô hình 3D từ ảnh 2D đơn lẻ (single image depth estimation) là một bài toán khó, đòi hỏi thuật toán phức tạp và độ chính xác không cao. Sử dụng depth map làm trung gian cho phép giảm độ phức tạp, tập trung vào việc tạo depth map từ ảnh. Depth map có thể được sử dụng để tái tạo mô hình 3D một cách tương đối chính xác. Theo tài liệu, phục hồi trực tiếp 3D từ 2D là khó, nên nghiên cứu chọn hướng gián tiếp.

2.2. Mục Tiêu Nghiên Cứu Xây Dựng Quy Trình Phục Hồi Depth Map

Mục tiêu chính của nghiên cứu là xây dựng quy trình xử lý dữ liệu, đề xuất mô hình, và thực hiện việc khôi phục depth map từ bản in 2D mộc bản. Sau khi khôi phục depth map, nghiên cứu sẽ đánh giá kết quả của mô hình đào tạo và đưa ra kết luận về hiệu quả của phương pháp. Việc đánh giá kết quả là vô cùng quan trọng để đảm bảo tính chính xác và tin cậy của mô hình. Việc này giúp đánh giá chất lượng của giải thuật khôi phục depth map.

III. Phương Pháp Ứng Dụng Học Sâu Khôi Phục Depthmap

Nghiên cứu này áp dụng các mô hình học sâu (deep learning) để tạo depth map từ ảnh. Các mô hình như pix2pix và CLUT được sử dụng để huấn luyện mạng nơ-ron, giúp chuyển đổi ảnh 2D thành depth map một cách tự động. Quá trình huấn luyện đòi hỏi một lượng lớn dữ liệu, bao gồm ảnh 2D và depth map tương ứng. Các mô hình deep learning cho depth estimation được tùy chỉnh để phù hợp với đặc điểm của mộc bản.

3.1. Mô Hình Pix2Pix Nền Tảng Cho Chuyển Đổi Ảnh 2D Sang Depth

Pix2pix là một mô hình dựa trên mạng nơ-ron đối nghịch tạo sinh (GAN), được sử dụng để chuyển đổi ảnh từ miền này sang miền khác. Trong trường hợp này, pix2pix được huấn luyện để chuyển đổi ảnh 2D của mộc bản thành depth map tương ứng. Ưu điểm của pix2pix là khả năng tạo ra ảnh có độ phân giải cao và chi tiết, phù hợp với yêu cầu của bài toán. Việc sử dụng computer vision là cần thiết để nhận diện và xử lý ảnh.

3.2. Mô Hình CLUT Cải Thiện Chất Lượng Depth Map Bằng Học Đối Kháng

CLUT (Contrastive Learning for Unpaired Image-to-Image Translation) là một phương pháp học đối kháng giúp cải thiện chất lượng của depth map được tạo ra. CLUT sử dụng một mạng nơ-ron để phân biệt giữa depth map thật và depth map được tạo ra, từ đó khuyến khích mạng tạo sinh tạo ra depth map chân thực hơn. Kỹ thuật này đặc biệt hữu ích khi dữ liệu huấn luyện không được ghép cặp hoàn chỉnh. Việc sử dụng AI trong xử lý ảnh đem lại nhiều kết quả khả quan.

3.3. Tổng Quan về Mô Hình Sinh Depth Map Từ Ảnh 2D

Mô hình sinh depth map từ ảnh 2D dựa trên hai thành phần chính: mạng tạo sinh (generator) và mạng phân biệt (discriminator). Mạng tạo sinh có nhiệm vụ chuyển đổi ảnh 2D thành depth map, trong khi mạng phân biệt đánh giá xem depth map đó là thật hay giả. Hai mạng này được huấn luyện cùng nhau, cạnh tranh lẫn nhau, để tạo ra kết quả tốt nhất. Mô hình này tận dụng các Semantic LSI keywords để tạo ra depth map chính xác nhất.

IV. Thực Nghiệm Đánh Giá Hiệu Quả Mô Hình Khôi Phục Depthmap

Các mô hình pix2pix và CLUT được thử nghiệm trên bộ dữ liệu mộc bản. Hiệu quả của các mô hình được đánh giá bằng cách so sánh depth map được tạo ra với depth map gốc (ground truth). Các chỉ số đánh giá như FID (Fréchet Inception Distance) được sử dụng để đo lường sự khác biệt giữa hai depth map. Kết quả thực nghiệm cho thấy các mô hình học sâu có khả năng khôi phục depth map từ ảnh 2D với độ chính xác tương đối cao. Việc so sánh này dựa trên các thí nghiệm CUT, Fast-Cut và pix2pix.

4.1. Bộ Dữ Liệu Huấn Luyện Xây Dựng Tập Dữ Liệu Mộc Bản

Việc xây dựng bộ dữ liệu huấn luyện là một bước quan trọng trong quá trình huấn luyện mô hình học sâu. Bộ dữ liệu bao gồm ảnh 2D của mộc bản và depth map tương ứng. Ảnh 2D được thu thập từ các bản in mộc bản, trong khi depth map được tạo ra từ mô hình 3D của mộc bản. Dữ liệu được xử lý và chuẩn hóa để đảm bảo chất lượng và tính nhất quán. Cần có quy trình chuẩn bị tập dữ liệu huấn luyện chính xác.

4.2. So Sánh Kết Quả Đánh Giá Chất Lượng Depthmap Tạo Ra

Sau khi huấn luyện, các mô hình được sử dụng để tạo ra depth map từ ảnh 2D mộc bản. Depth map được tạo ra được so sánh với depth map gốc bằng các chỉ số đánh giá như FID, PSNR, và SSIM. So sánh này giúp xác định mô hình nào cho kết quả tốt nhất và đánh giá mức độ chính xác của depth map được tạo ra. Các thông số đánh giá cho ra kết quả chi tiết và chính xác.

V. Ứng Dụng Bảo Tồn và Tái Tạo Kỹ Thuật Số Mộc Bản

Việc khôi phục depth map từ ảnh 2D mộc bản có nhiều ứng dụng thực tiễn trong việc bảo tồn và tái tạo di sản văn hóa. Depth map có thể được sử dụng để tái tạo mô hình 3D của mộc bản, giúp bảo tồn và trưng bày di sản một cách trực quan. Ngoài ra, depth map cũng có thể được sử dụng để nghiên cứu và phân tích cấu trúc của mộc bản, giúp hiểu rõ hơn về kỹ thuật khắc gỗ của người xưa. Giúp tái tạo kỹ thuật số mộc bản một cách chân thực.

5.1. Phục Dựng 3D Từ Ảnh 2D Tái Tạo Mô Hình Mộc Bản Số

Depth map có thể được sử dụng để phục dựng 3D từ ảnh 2D, tạo ra mô hình số của mộc bản. Mô hình số này có thể được sử dụng để trưng bày trực tuyến, giúp công chúng tiếp cận và tìm hiểu về di sản văn hóa. Ngoài ra, mô hình số cũng có thể được sử dụng để in 3D, tạo ra bản sao của mộc bản để phục vụ công tác nghiên cứu và giáo dục. Tạo mô hình hóa 3D từ ảnh để phục dựng di sản.

5.2. Ứng Dụng Depth Map Trong Bảo Tồn Phân Tích Cấu Trúc Mộc Bản

Ứng dụng depth map trong bảo tồn mộc bản cho phép phân tích cấu trúc và chi tiết của mộc bản một cách chính xác. Depth map có thể được sử dụng để đo lường độ sâu của các đường khắc, xác định các vùng bị hư hỏng, và nghiên cứu kỹ thuật khắc gỗ của người xưa. Thông tin này rất hữu ích cho công tác bảo tồn và phục chế mộc bản. Giúp phân tích hình ảnh mộc bản chi tiết hơn.

VI. Kết Luận Triển Vọng Phát Triển Hướng Nghiên Cứu Depthmap

Nghiên cứu này đã chứng minh khả năng khôi phục depth map từ ảnh 2D mộc bản bằng các mô hình học sâu. Kết quả đạt được mở ra nhiều triển vọng trong việc bảo tồn và tái tạo di sản văn hóa. Trong tương lai, nghiên cứu có thể được mở rộng để áp dụng cho các loại hình di sản khác, cũng như cải thiện độ chính xác và hiệu quả của các mô hình học sâu. Hướng đến việc ứng dụng rộng rãi hơn nữa trong bảo tồn.

6.1. Hướng Phát Triển Cải Thiện Độ Chính Xác và Hiệu Quả

Trong tương lai, cần tiếp tục nghiên cứu để cải thiện độ chính xác và hiệu quả của các mô hình học sâu trong việc khôi phục depth map. Có thể sử dụng các kiến trúc mạng nơ-ron tiên tiến hơn, cũng như áp dụng các kỹ thuật xử lý ảnh mới để cải thiện chất lượng của depth map được tạo ra. Cần có thêm nhiều giải thuật khôi phục depth map tiên tiến.

6.2. Ứng Dụng Rộng Rãi Mở Rộng Sang Các Loại Hình Di Sản Khác

Phương pháp khôi phục depth map có thể được mở rộng để áp dụng cho các loại hình di sản khác, như tranh vẽ, tượng điêu khắc, và các di tích lịch sử. Việc này sẽ giúp bảo tồn và tái tạo di sản văn hóa một cách toàn diện, góp phần giữ gìn bản sắc văn hóa dân tộc. Cần mở rộng ứng dụng depth map ra nhiều lĩnh vực khác.

Trích đoạn nội dung tài liệu

Đ¾I HàC QUàC GIA HÀ NàI TR¯äNG Đ¾I HàC CÔNG NGHà TR¯¡NG NGàC KIÊN KHÔI PHĀC DEPTHMAP TĂ BÀN IN 2D MàC BÀN LUÂN VN TH¾C S) KHOA HàC MÁY TÍNH Hà Nái - 2022 Đ¾I HàC QUàC GIA HÀ NàI TR¯äNG Đ¾I HàC CÔNG NGHà TR¯¡NG NGàC KIÊN KHÔI PHĀC DEPTHMAP TĂ BÀN IN 2D MàC BÀN Ngành: Khoa hác máy tính Chuyên ngành: Khoa hác máy tính Mã sá: LUÂN VN TH¾C S) KHOA HàC MÁY TÍNH NG¯äI H¯âNG DÀN KHOA HàC: PGS.TS Lê Thanh Hà Hà Nái - 2022 i LäI CÀM ¡N Em xin chân thành cÁm ¢n các thÁy cô giáo trong tr°áng Đ¿i hác Công nghá - Đ¿i hác Quác gia Hà Nái đã tÁn tình giúp đỡ và truyÃn đ¿t kiÁn thāc cho em trong suát 2 năm hác qua để em có đÿ kiÁn thāc hoàn thành khóa luÁn này. Đặc biát, em xin gąi lái cÁm ¢n sâu sắc tßi thÁy Lê Thanh Hà – ng°ái đã nhiát tình đáng viên, giúp đỡ em trong quá trình đßnh hình, nghiên cāu và hoàn thành luÁn văn này. Xin gąi lái cÁm ¢n thiÁt tha nh¿t tßi những ng°ái thân trong gia đình đã t¿o điÃu kián và đáng viên cho con/em r¿t nhiÃu trong quá trình hoàn thành khóa luÁn này. Mặc dù đã r¿t cá gắng hoàn thành luÁn văn này vßi t¿t cÁ nß lực cÿa bÁn thân, xong luÁn văn s¿ khó tránh khßi những thiÁu sót, kính mong quý thÁy cô tÁn tình chỉ bÁo cho em những sai lÁm cÁn khắc phāc cÿa mình.

Mát lÁn nữa em xin gąi tßi t¿t cÁ mái ng°ái lái cÁm ¢n chân thành nh¿t. Hà Nội, tháng 06 năm 2022 Học viên Trương Ngọc Kiên ii LäI CAM ĐOAN Tôi xin cam đoan luÁn văn th¿c sĩ khoa hác máy tính: <Khôi phục depthmap từ bản in 2D mộc bản= là kÁt quÁ cÿa quá trình hác tÁp, nghiên cāu khoa hác đác lÁp, nghiêm túc. Các sá liáu trong luÁn văn là trung thực, có nguồn gác rõ ràng, đ°ÿc trích d¿n và có tính kÁ thăa, phát triển tă các sách, tài liáu, t¿p chí, các công trình nghiên cāu đã đ°ÿc công bá, và các website, & Các ph°¢ng pháp nêu trong luÁn văn đ°ÿc rút ra tă những c¢ sã lý luÁn và quá trình nghiên cāu tìm hiểu cÿa tác giÁ. Hà Nái, tháng 06 năm 2022 Hác viên Tr°¢ng Ngác Kiên iii Māc lāc LàI CÀM ¡N.

i LàI CAM ĐOAN. iii Danh māc các ký hiáu và chữ viÁt tắt. vii Danh māc các bÁng. ix Mâ ĐÀU.

KIÀN THĀC NÂN TÀNG .1 Tổng quan mác bÁn triÃu Nguyßn .1 Gißi thiáu mác bÁn triÃu Nguyßn .2 Hián tr¿ng cÿa mác bÁn triÃu Nguyßn .3 Khôi phāc mác bÁn tă bÁn in .3 Tổng quan depthmap .4 Mô hình sinh depthmap tă Ánh 2D .1 Mô hình pix2pix .2 Mô hình CLUT .5 Đá đo Fréchet Inception Distance .6 Tổng kÁt ch°¢ng. KHÔI PHĀC DEPTHMAP TĂ BÀN IN 2D MàC BÀN .1 Quy trình chuẩn bß tÁp dữ liáu hu¿n luyán .1 Xą lý dữ liáu thÿ công .2 Xą lý dữ liáu bán tự đáng.3 Sinh Ánh depthmap tă mô hình 3D .4 Sinh thêm dữ liáu hu¿n luyán .2 Sinh depthmap tă bÁn in 2D mác bÁn.3 Tổng kÁt ch°¢ng. 39 iv CH¯¡NG 3. THĄ NGHIàM VÀ ĐÁNH GIÁ .1 Thą nghiám CUT, Fast-Cut và pix2pix .2 Thą nghiám pix2pix cho toàn bá tÁp dữ liáu .4 Tổng kÁt ch°¢ng.

47 TÀI LIàU THAM KHÀO. 48 v Danh māc các ký hiáu và chữ viÁt tắt STT Tă viÁt tắt TiÁng Anh TiÁng Viát Conditional Generative Ad- M¿ng đái lÁp t¿o sinh có 1 cGAN versarial Network điÃu kián Hác mâu thu¿n đái vßi Contrastive Learning for công viác dßch hình Ánh 2 CLUT Unpaired Image-to-Image sang hình Ánh không Translation ghép cặp Convolutional Neural Net- 3 CNN M¿ng n¢-ron tích chÁp work Đá đo khoÁng cách đá t°¢ng đồng cÿa Ánh vßi 4 FID Fréchet Inception Distance Ánh dựa trên mô hình In- ception V3 Generative Adversarial Net- 5 GAN M¿ng đái lÁp t¿o sinh work Least Squares Generative Mát lo¿i hàm m¿t mát 6 LSGAN Adversarial Networks trong mô hình GAN M¿ng n¢-ron truyÃn 7 MLP Multi-layer perceptron thẳng nhiÃu lßp Multivariate normal distri- Phân phái chuẩn nhiÃu 8 MND bution chiÃu Normalization Root Mean Chuẩn hóa sai sá toàn 9 nrmse Square Error ph°¢ng trung bình Image-to-Image Translation Trình dßch tă Ánh sang 10 pix2pix with Conditional Adversar- Ánh vßi m¿ng đái lÁp t¿o ial Networks sinh có điÃu kián vi STT Tă viÁt tắt TiÁng Anh TiÁng Viát Sai sá toàn ph°¢ng trung 11 rmse Root Mean Square Error bình A Simple Framework for Mát mô hình hác mâu 12 SimCLR Contrastive Learning of thu¿n Visual Lo¿i táp đ°ÿc są dāng để 13 stl Standard Triangle Language mô hình sá hóa 3D dữ liáu và mác bÁn vii Danh māc các hình v¿ Hình 1.4 Tổng quát xą lý khôi phāc mác bÁn .6 Ành ghép cặp.7 Ành ghép cặp và không ghép cặp.8 Mô hình pix2pix.9 Encoder-decoder và U-Net.11 Ành ngày – đêm.12 Ành phác thÁo - tô màu.14 Māc đích hác mâu thu¿n.15 Mô hình SimCLR.16 Tổng quan mô hình CLUT.17 Hàm m¿t mát mâu thu¿n patchwise.18 Phân phái chuẩn cho dữ liáu 2-chiÃu.19 Phân phái 2-chiÃu cÿa các điểm dữ liáu 3-chiÃu.1 Toàn trình khôi phāc Deptmap tă bÁn in 2D mác bÁn.2 Quy trình xą lý dữ liáu hu¿n luyán mác bÁn.3 Dữ liáu ký tự trong mác bÁn ghép cặp.4 Depthmap và bÁn in.5 Là khung cÿa sách.6 Xoay và crop Ánh.8 Ma trÁn cắt, đ°áng màu trắng thể hián các đ°áng cắt.9 KÁt quÁ công cā trích xu¿t ký tự chữ bÁn in 2D.10 Chữ 3D và depthmap.11 Quy trình khôi phāc deptmap tă bÁn in. 39 ix Danh māc các bÁng BÁng 1.1 Đặc tr°ng cÿa các kỹ thuÁt sá hóa 3D .2 Thông sá kỹ thuÁt thiÁt bß GOM ATOS III Triple Scan .3 Thông sá kỹ thuÁt thiÁt bß PRINCE335 .4 Chi tiÁt kích th°ßc ma trÁn m¿ng Inception-V3.1 Tham sá ch¿y thą nghiám các mô hình GAN .2 KÁt quÁ thą nghiám giữa các mô hình GAN .3 Bá tham sá mô hình pix2pix .4 KÁt quÁ đÁu ra cÿa mô hình pix2pix .5 Chi tiÁt cÿa các thông sá đánh giá .6 Tháng kê kÁt quÁ t¿t cÁ các m¿u kiểm thą. 45 1 MỞ ĐÀU Mác bÁn TriÃu Nguyßn đ°ÿc Unesco công nhÁn là di sÁn t° liáu thÁ gißi tă năm 2009.

Viác bÁo tồn và phát huy giá trß di sÁn t° liáu đóng vai trò quan tráng để gìn giữ t° liáu quá khā nhằm kÁt nái tßi hián t¿i và t°¢ng lai. Ngày nay chúng ta đã thu thÁp, bÁo tồn và l°u trữ đ°ÿc khoÁng gÁn 35. Tuy nhiên tổng sá l°ÿng thực tÁ các t¿m mác bÁn triÃu Nguyßn theo °ßc l°ÿng vào khoÁng trên 50. Thêm vào đó, có mát sá l°ÿng lßn những t¿m mác bÁn tuy v¿n đ°ÿc l°u trữ, bÁo tồn nh°ng không còn toàn vẹn, thÁm chí có những t¿m mác bÁn chỉ còn l¿i mát nąa hoặc mát phÁn ba cÿa nguyên bÁn.

Những th° tßch liên quan và những t¿m mác bÁn bß m¿t hoặc không toàn vẹn (là bÁn in đ°ÿc in ra tă t¿m mác bÁn) hián v¿n đang đ°ÿc bÁo tồn. Cùng vßi sự phát triển và công nghá hiển thß, sá hóa 3D và máy quét phân giÁi cao chúng ta đã thành công l°u trữ và hiển thß các t¿m mác bÁn và th° tßch cÿa chúng trong môi tr°áng máy vi tính. Tă những tiÃn đà trên, nghiên cāu này tÁp trung vào viác khôi phāc l¿i sá hóa cÿa những t¿m mác bÁn bß th¿t l¿c hay không toàn vẹn kể trên. Māc tiêu tổng quan mà nghiên cāu h°ßng tßi là khôi phāc l¿i biểu dißn (mô hình) 3D cÿa các t¿m mác bÁn bß th¿t l¿c hoặc không toàn vẹn dựa trên những th° tßch (bÁn in) đã đ°ÿc sá hóa 2D còn l°u trữ l¿i cÿa các t¿m mác bÁn trên.

Có hai h°ßng tiÁp cÁn cho bài toán khôi phāc biểu dißn 3D cÿa mát đái t°ÿng nói chung và cÿa t¿m mác bÁn nói riêng là cách trực tiÁp hoặc cách gián tiÁp. Cách trực tiÁp chúng ta s¿ khôi phāc l¿i mô hình 3D tă các điểm trong không gian dữ liáu 3D (point clouds); và cách gián tiÁp là khôi phāc l¿i đái t°ÿng trung gian mà có thể phāc dựng l¿i biểu dißn 3D tă chúng. Cách trực tiÁp khôi phāc mát biểu dißn 3D tă mát góc nhìn (single view) 2D là khó và các nghiên cāu hián nay cũng cho th¿y sự h¿n chÁ cÿa ph°¢ng pháp này. Do vÁy, nghiên cāu này lựa chán cách tiÁp cÁn gián tiÁp và gißi h¿n l¿i ph¿m vi cÿa bài toán tă viác khôi phāc l¿i bÁn 3D cÿa t¿m mác bÁn sang khôi phāc l¿i Ánh đá sâu (depthmap) cÿa t¿m mác bÁn.

Māc đích nghiên cāu Nghiên cāu này xây dựng ph°¢ng pháp xą lý dữ liáu, đà xu¿t mô hình, quy trình thực hián khôi phāc l¿i mô hình depthmap tă bÁn in 2D mác bÁn. Sau khi khôi 2 phāc l¿i depthmap tă bÁn in 2D, tiÁp tāc nghiên cāu cách đánh giá kÁt quÁ cÿa mô hình đào t¿o và kÁt luÁn kÁt quÁ cÿa nghiên cāu. Ph°¢ng pháp nghiên cāu Ph°¢ng pháp nghiên cāu khi thực hián luÁn văn là quan sát t¿m mác bÁn, bÁn sá hóa 3D và bÁn in 2D cÿa chúng để hình dung ra các đái t°ÿng, đÁu vào đÁu ra cÿa bài toán. KÁ tiÁp, tác giÁ phân tích các đái t°ÿng kể trên tă nhiÃu m¿u đúc rút ra các đặc điểm, đặc tính và phân bá cÿa vÁt thể mà tă đó thu đ°ÿc các thông tin để khÁo sát và tham khÁo các lý thuyÁt liên quan, cùng vßi các công cā hián có trong lĩnh vực để có thể ánh x¿ vào bài toán cÿa luÁn văn.

Sau khi khÁo sát, tham khÁo tác giÁ tổng hÿp l¿i kiÁn thāc và đà xu¿t các quy trình trong xą lý dữ liáu và quy trình khôi phāc l¿i depthmap cho mác bÁn và thą nghiám chúng. Cuái cùng, luÁn văn thực hián đánh giá và đ°a ra nhÁn xét cho kÁt quÁ cÿa bài toán. Đóng góp mãi cÿa luÃn vn LuÁn văn này đã thiÁt lÁp đ°ÿc quy trình xây dựng tÁp dữ liáu hu¿n luyán là tÁp các ký tự đ°ÿc trích xu¿t tă t¿m mác bÁn 3D và bÁn in t°¢ng āng cÿa chúng. Thą nghiám các mô hình hác máy khác nhau và đà xu¿t mô hình hác máy tát nh¿t áp dāng trong bài toán khôi phāc depthmap tă bÁn in 2D mác bÁn.

Đánh giá đ°ÿc kÁt quÁ cÿa sau khi thực hián khôi phāc depthmap tă bÁn in 2D mác bÁn. KÁt quÁ đ¿t đ°ÿc Sau khi tÁp trung nghiên cāu đà tài, tôi đã giÁi quyÁt đ°ÿc các v¿n đà mà trong phÁn māc tiêu đã đà ra. LuÁn văn đã trình bày mát cách rõ ràng, chi tiÁt tă b°ßc chuẩn bß dữ liáu cho đÁn các mô hình hác máy và khôi phāc l¿i mô hình depthmap tă bÁn in 2D mác bÁn.