Nachschärfung zur Lehrveranstaltung

Vom Bild zur
belastbaren
3D-Aussage.

Was leistet aktuelle Photogrammetric Computer Vision konkret? Wir erklären die Methoden, lesen ihre Ergebnisse und verbinden sie für Erhaltung und Umweltbeobachtung.

Dr. Michael Schultz10.11.2026Version 1.1 · Vertiefung

Zuerst die Begriffe · dann die Ergebnisse

Welche Methode
beantwortet welche Frage?

Die Namen bezeichnen unterschiedliche Aufgaben. Sie bilden einen Werkzeugkasten: Geometrie schätzen, Ansichten erzeugen, Oberflächen prüfen und Informationen verbinden.

VGGT · Visual Geometry Grounded Transformer
Ein trainiertes Bildmodell schätzt aus mehreren Fotos gemeinsam Kamerapositionen, Tiefen und räumliche Punkte. FlashVGGT verdichtet den Informationsaustausch für längere Bildfolgen.Wang et al. · VGGT, 2025 ↗ · Wang & Xu · FlashVGGT, 2026 ↗
3DGS · 3D Gaussian Splatting
Eine Szene wird durch viele weiche räumliche Farbträger dargestellt. Ihre Projektion erzeugt neue Blickrichtungen, etwa einen virtuellen Rundgang durch ein historisches Haus.Kerbl et al. · 3D Gaussian Splatting, 2023 ↗
2DGS · 2D Gaussian Splatting / MILo · Mesh-In-the-Loop Gaussian Splatting
Zwei Wege zur Oberfläche: 2DGS verwendet orientierte Scheiben im 3D-Raum. MILo bezieht ein Dreiecksnetz in die Optimierung ein. Das Ziel ist eine explizite, prüfbare Oberfläche.Huang et al. · 2DGS, 2024 ↗ · Guédon et al. · MILo, 2025 ↗
HBIM · Historic Building Information Modelling
Ein interpretiertes Bauteilmodell für historische Gebäude: Ein Balken erhält Geometrie, Identität und Befunde. IFC, die Industry Foundation Classes, dienen dem Datenaustausch. Die Studie verbindet IFC, Laserscan und Gaussian-Ansicht.Suwardhi et al. · Heritage Building Documentation, 2026 ↗
EOGS · Earth Observation Gaussian Splatting
Optische Satellitenbilder aus mehreren Blickrichtungen liefern einen Oberflächenkontext. Das Verfahren berücksichtigt die Satellitengeometrie sowie Beleuchtung und Schatten.Savant Aira et al. · Satellite Image Photogrammetry, 2025 ↗
4D-GS · 4D Gaussian Splatting
Drei Raumdimensionen plus Zeit: Ein gelerntes Deformationsfeld verändert die Gaussian-Szene. So lassen sich Bewegungen aus neuen Blickrichtungen wiedergeben.Wu et al. · Dynamic Scene Rendering, 2024 ↗
SAR–Optik-Registrierung
SAR bedeutet Synthetic Aperture Radar. Die Registrierung ordnet Bildstellen aus Radar- und optischen Aufnahmen räumlich einander zu. Danach können beide Beobachtungsarten gemeinsam interpretiert werden.Corley et al. · SAR-Optical Satellite Registration, 2026 ↗
CityGaussianV2 · grosse Szenen aufteilen
Lokale Teilgebiete und angepasste Detailstufen machen die Gaussian-Verarbeitung grosser Szenen handhabbar. Übergänge, Speicherbedarf und Qualität werden für jede Anwendung geprüft.Liu et al. · CityGaussianV2, 2025 ↗

01 · VGGT · CVPR 2025

Bilder liefern
gemeinsam Geometrie.

Mehrere Fotos werden gemeinsam ausgewertet. VGGT schätzt Kameras, Tiefen und räumliche Punkte als zusammenhängende Ausgangslösung.

Wang et al. (2025), Abb. 1; Dossier S. 9. Originalquelle ↗ · © Autoren; aus dem bereitgestellten Dossier. · Bildinhalt und Beschriftungen unverändert; WebP-Kompression.
Eingang

Mehrere Ansichten

Fotos derselben Szene mit überlappenden Bildinhalten.

Methode

Information austauschen

Attention verbindet Informationen innerhalb der Bilder und zwischen den Ansichten.

Ausgang

Kameras + 3D-Punkte

Eine Tiefenkarte enthält Tiefe; eine Pointmap räumliche Koordinaten pro Bildposition.

Prüfung

Messbezug ergänzen

Massstab, räumlichen Bezug und unabhängige Kontrollmessungen festlegen.

85,3 → 93,5AUC@30 · Re10K-Kameratest
10 Bilder · NVIDIA H100

Mit zusätzlicher Bündelausgleichung steigt die veröffentlichte Kameraposen-Bewertung; der ausgewiesene Zeitaufwand wächst von etwa 0,2 auf 1,8 Sekunden. Kameras und Punkte werden dabei gemeinsam an die Bildbeobachtungen angepasst. AUC@30 bewertet Winkel bis 30°; es ist keine Abweichung in Metern.

Der fachliche Gewinn: Eine gelernte Ausgangslösung und geometrische Verfeinerung ergänzen sich. VGGT ist ein Modell für Bildgeometrie. Für eine Vermessungsaufgabe bleiben Bezug und Qualitätsprüfung eigene Schritte.

Beleg: Wang et al. · CVPR 2025 ↗ · Tabelle 1. Zeiten gehören zum Kameratest; vollständige Aufnahme, Georeferenzierung und dichte Auswertung sind davon zu unterscheiden.

Wie wird das für längere Bildfolgen skalierbar? · FlashVGGT

FlashVGGT komprimiert den Informationsaustausch zwischen Ansichten. Im publizierten Vergleich des FlashVGGT-Papers mit 1.000 Bildern auf einer NVIDIA H800 nennt Tabelle 3 35,32 statt 372,80 Sekunden und 60,74 statt 68,4 GB Spitzenspeicher. Der VGGT-Vergleich verwendet bereits eine speichereffiziente Implementierung. Das ist ein separater Versuch mit anderer Hardware als der Kameratest oben.

Wang und Xu (2026), Abb. 1; Dossier S. 10. Originalquelle ↗ · CC BY 4.0 · Bildinhalt und Beschriftungen unverändert; WebP-Kompression.

Gesamtverarbeitung und blockweise Online-Verarbeitung sind verschiedene Betriebsarten. Speicher, Sequenzlänge, Qualitätsprüfung und verfügbare GPU bestimmen die praktische Nutzbarkeit.

02 · 3D Gaussian Splatting · SIGGRAPH 2023

Räumliche Farbträger.
Neue Blickrichtungen.

Gaussians besitzen Lage, Ausdehnung, Orientierung, Deckkraft und Farbe. Ihre projizierten Beiträge ergeben gemeinsam ein Bild der Szene.

Kerbl et al. (2023), Abb. 1; Dossier S. 1. Zahlen in dieser Figur gehören zur jeweiligen bicycle-Konfiguration. Originalquelle ↗ · CC BY 4.0 · Bildinhalt und Beschriftungen unverändert; WebP-Kompression.
Eingang

Kameras + dünne Punktwolke

Structure from Motion liefert eine räumliche Initialisierung.

Methode

Gaussians optimieren

Lage, Form, Deckkraft, Farbe und Anzahl werden an Fotos angepasst.

Ausgang

Neue Ansichten rendern

Die optimierte Szene lässt sich aus neuen virtuellen Kamerapositionen betrachten.

Prüfung

Ansicht und Geometrie trennen

Zurückgehaltene Fotos prüfen Bildqualität; unabhängige Messungen prüfen räumliche Aussagen.

134 FPSMip-NeRF360 · Tabellenmittel
NVIDIA A6000 · Tabelle 1

Der publizierte Mittelwert folgt auf 41 min 33 s Optimierung bei 30.000 Iterationen. Aufnahme und Kamerabestimmung kommen hinzu. Die Zahlen in der Originalfigur oben betreffen einen einzelnen Versuch und unterscheiden sich deshalb vom Tabellenmittel. Schnelles Rendern beschreibt die Wiedergabe eines vorbereiteten Modells.

Welches Produkt brauchen wir?Für einen Rundgang: anschauliche neue Ansichten. Für Bauteilabstände: eine definierte und geprüfte Oberfläche. Der Mittelpunkt eines Gaussian ist ein Darstellungselement und wird erst durch eine gesonderte geometrische Prüfung zum belastbaren Messbezug.

Der Aha-Moment

Gleiches Objekt. Drei verschiedene Aussagen.

3D-Punktwolke

Wo liegen Punkte?

Einzelne räumliche Stichproben mit X-, Y- und Z-Koordinaten, häufig ergänzt um Farbe oder Intensität. Sie stammen aus Messungen oder modellbasierten Schätzungen.

Gaussian Splatting

Wie sieht die Szene aus?

Weiche, orientierte Farbträger werden projiziert und überlagert. Ihre Mittelpunkte und Formen sind optimierte Darstellungsparameter.

Mesh · Dreiecksnetz

Welche Oberfläche liegt vor?

Durch Dreiecke verbundene Eckpunkte beschreiben eine explizite Oberfläche. Daran lassen sich Form, Abstände und – bei geschlossenem Körper – Volumen prüfen.

Möglichkeiten: detailreiche Rundgänge, neue Blickrichtungen und flüssige Darstellung einer vorbereiteten Szene. Voraussetzungen: gute Bildüberdeckung, geeignete Kamerageometrie und genügend Rechenressourcen. Schwach beobachtete Bereiche können Artefakte behalten; die Genauigkeit einer Bauteiloberfläche wird gesondert gegen Kontrollmessungen geprüft.

Aktuelle Forschung · von der Ansicht zur Oberfläche
2DGS · orientierte Scheiben
Die Elemente liegen als Scheiben im 3D-Raum. Konsistente Tiefen und Flächenausrichtungen unterstützen die Oberflächenrekonstruktion. «2D» bezeichnet das Element; die Szene bleibt 3D.Huang et al. · SIGGRAPH 2024 ↗
MILo · Mesh während der Optimierung
Ein Dreiecksnetz wird schon während der Optimierung erzeugt. Seine Oberflächeninformation wirkt auf die Gaussians zurück. Das Oberflächenziel beeinflusst somit bereits den Lernprozess.Guédon et al. · SIGGRAPH Asia 2025 ↗ · Billi et al. · Anwendung und TLS-Vergleich, 2026 ↗
CityGaussianV2 · Oberfläche im grossen Massstab
Oberflächenorientiertes Gaussian Splatting wird auf grosse Szenen übertragen. Angepasste Verdichtung und parallele Teilgebiete verbinden Effizienz mit geometrischer Auswertung.Liu et al. · ICLR 2025 ↗

Die jeweils passende Methode wird an derselben eigenen Referenz geprüft. Die folgenden Kulturgutstudien zeigen diesen Schritt konkret.

Kann ich daraus ein Volumen in Kubikmetern berechnen?

Ja, mit einer abgegrenzten und metrisch geprüften Geometrie. Zuerst werden Massstab, räumlicher Bezug und Objektgrenze festgelegt. Danach hängt die Auswertung von der Aufgabe ab:

  • Steinblock oder Bauteil: Ein geschlossenes, konsistent orientiertes Dreiecksnetz begrenzt den Körper. Rück- und Unterseiten werden zusätzlich aufgenommen oder ausdrücklich als begründete Ergänzung gekennzeichnet.
  • Schuttablagerung oder Gelände: Vorher- und Nachherhöhen werden über derselben abgegrenzten Fläche verglichen. Es zählen die gültig erfassten gemeinsamen Rasterzellen; Datenlücken und Abdeckung werden ausgewiesen.
  • Aussagekraft: Unabhängige Kontrollmasse prüfen den Bezug. Kleine plausible Änderungen der Referenzhöhe, Objektgrenze oder Rasterweite zeigen, wie empfindlich das Ergebnis ist. Diese Sensitivität und die Datenabdeckung gehören zum Ergebnis.

Bilddarstellung und geometrisches Volumen unterscheidenVolumetrisches Rendering erzeugt ein Bild aus räumlichen Beiträgen. Ein geometrisch abgegrenztes Volumen in Kubikmetern beruht auf der begrenzenden Geometrie. Die Ausdehnungen und Deckkräfte überlappender Gaussians werden dafür nicht addiert.

Methodische Grundlagen: CGAL · Volumen einer geschlossenen triangulierten Oberfläche ↗ · CloudCompare · 2.5D-Volumen und Datenabdeckung ↗. Die genannten Beispiele und Sensitivitätsprüfungen sind ein vorgeschlagener Lehrversuch.

03 · Kulturgut · ISPRS Archives 2026

Vollständigkeit und
Abweichung getrennt lesen.

Gleiche Bilder, zwei Methoden, dieselbe Laserreferenz: Der konkrete Versuch macht deutlich, welche Qualität für eine Aufgabe zählt.

Billi et al. (2026), Abb. 3; Dossier S. 34. Lokale Details, kein Vorher-Nachher-Vergleich. Originalquelle ↗ · CC BY 4.0 · Bildinhalt und Beschriftungen unverändert; WebP-Kompression.
Eingang

270 Canon-Aufnahmen

Keramikobjekte in Sarreguemines; gemeinsame SfM-Orientierung für beide Wege.

Methode

MVS versus MILo

Mehrbild-Stereo versus eine Gaussian-Methode mit rückgekoppelter Mesh-Erzeugung.

Ausgang

Zwei Oberflächen

An runden Säulen erscheint MILo lokal vollständiger; das ist eine Beobachtung der Abbildung.

Prüfung

Abstände gegen TLS

Die Figur zeigt ±5 mm. Ihre Teilflächenwerte sind von der Gesamtstatistik zu unterscheiden.

2 mm / 3 mmStreuung der Abstände
Metashape / MILo · Tabelle 1

Diese Werte betreffen den gesamten Keramikdatensatz, während die Originalfigur lokale Details zeigt. Metashape war in diesem Versuch schneller: 4,5 gegenüber 163,34 Minuten auf der angegebenen RTX-4090-Konfiguration. Vollständigkeit, geometrische Abweichung und Aufwand werden getrennt beurteilt. Streuung ist kein garantierter Maximalfehler; auch TLS besitzt Mess- und Registrierungsunsicherheit.

Gemeinsamer Bezug · verschiedene Aufgaben

Geometrie, Bauteilwissen
und Ansicht verbinden.

Die Studie zur Aula Timur in Indonesien registriert drei Ebenen gemeinsam: TLS-Punktwolke, 3DGS-Ansicht und IFC-Bauteilmodell. Der Scan liefert Vergleichsgeometrie, IFC strukturiert Bauteile und Eigenschaften, 3DGS unterstützt die anschauliche Navigation.

Die Studie untersucht eine Aufnahmeepoche. Ein späteres Monitoring ist eine Weiterentwicklung. Gemeinsame Lage verbindet die Ebenen; ihre Qualitätsnachweise werden weiterhin getrennt geführt.

Suwardhi et al. (2026), Abb. 7; Dossier S. 35. Aula Timur, Indonesien. Originalquelle ↗ · CC BY 4.0 · Bildinhalt und Beschriftungen unverändert; WebP-Kompression.

Eigener Transfer nach BallenbergEine freigegebene Fassade vom Boden aufnehmen, ausgewählte Bereiche unabhängig prüfen und ein fachlich interpretiertes Bauteilmodell ergänzen. Die Originalstudie nutzt zusätzlich UAV-LiDAR für den globalen Bezug. Unser Vorschlag bleibt bodengebunden und legt dafür eine terrestrische Referenz fest.

04 · EOGS · CVPR 2025

Vom Einzelobjekt
zum Oberflächenkontext.

Optische Satellitenbilder erfassen grössere Gebiete aus mehreren Blickrichtungen. EOGS verbindet ihre besondere Abbildungsgeometrie mit Gaussian-Optimierung.

Savant Aira et al. (2025), Abb. 1; Dossier S. 32. Optische Satellitenphotogrammetrie. Originalquelle ↗ · CC BY 4.0 · Bildinhalt und Beschriftungen unverändert; WebP-Kompression.

Vier Felder.
Eine überprüfbare Höhenfrage.

Oben: geschätzte Höhen mit EOGS und EO-NeRF. Unten: optisches Bild und LiDAR-Referenz. Das digitale Oberflächenmodell, kurz DSM, enthält Höhen von Boden, Gebäuden und Vegetation.

EOGS verwendet nicht orthorektifizierte, mehrzeitige WorldView-3-Bilder, RPC-Satellitenmetadaten und Sonnenrichtung. Eine lokale Näherung der Abbildungsgeometrie sowie Modelle für Helligkeit und Schatten berücksichtigen die Aufnahmebedingungen.

Der Versuch umfasst vier JAX- und drei IARPA-Gebiete, jeweils etwa 256 × 256 Meter, mit 8–24 Ansichten. Die Tabelle unten bewertet ohne Vegetationsmaske.

Was bedeutet MAE?Die Beträge der Höhenabweichungen zur LiDAR-Referenz werden gemittelt. Kleinere Werte bedeuten in diesem Vergleich kleinere mittlere Höhenfehler.
Eingang

Optische Satellitenbilder

Mehrere Daten und Blickrichtungen; Satellitenmodell aus RPC-Metadaten.

Methode

Sensor gerecht modellieren

Geometrie, Beleuchtung und Schatten gehen in die Optimierung ein.

Ausgang

Oberflächenmodell

Übergeordneter räumlicher Kontext für Gebäude und Gelände.

Prüfung

LiDAR-Höhenreferenz

Höhenabweichungen und Rechenzeit werden getrennt dokumentiert.

1,46 m / 1,35 mJAX · MAE
EOGS / EO-NeRF

Für IARPA nennt Tabelle 1 1,62 m / 1,51 m. Die berichtete Optimierung dauert rund 3 Minuten / 15 Stunden. Gleiche Hardware für alle Vergleichsverfahren ist nicht ausreichend dokumentiert; diese Tabellenwerte begründen kein allgemeines Beschleunigungsversprechen. Das Höhenprodukt ergänzt lokale Vermessung mit einer eigenen, hier meterbezogenen Qualitätsbewertung.

Beleg: Savant Aira et al. · CVPR 2025 ↗ · Tabelle 1. EOGS verarbeitet optische Bilder; SAR wird unten als eigenständiger Sensorzweig angebunden.

Vertiefung · Wie wird daraus ein grösseres Stadtmodell?

CityGaussianV2 · ICLR 2025: Die Methode teilt grosse Szenen in lokale Bereiche auf, passt die Verdichtung der Darstellung an und verarbeitet Blöcke parallel. So werden Rechenaufwand und Speicher für unterschiedliche Teile der Szene gezielt organisiert.

Die veröffentlichten Versuche verwenden acht NVIDIA A100 und fünf Szenen von etwa 0,3 bis 2,7 km². Die geometrische Bewertung nutzt je nach Szene Abstandsschwellen von 0,3 bis 0,6 Metern für den F1-Wert. Dieser verbindet die Güte und Vollständigkeit der innerhalb der jeweiligen Schwelle gefundenen geometrischen Übereinstimmungen. Schwelle, Referenz und Ressourcen gehören daher zur Interpretation des Stadtmodells.

Übertragung: lokal rechnen, Übergänge kontrollieren und nur veränderte Bereiche nachführen. Die publizierten Ergebnisse geben eine Grundlage für solche Skalierungsversuche; eine konkrete Vermessungsgenauigkeit wird für den jeweiligen Zweck separat nachgewiesen. Liu et al. · CityGaussianV2, Originalquelle ↗

05 · 4D-GS · CVPR 2024

Eine Szene erhält
einen Zeitparameter.

Drei Raumdimensionen plus Zeit: Ein gelerntes Deformationsfeld verbindet die Gaussian-Darstellung über verschiedene Zeitpunkte.

Wu et al. (2024), Abb. 1; Dossier S. 24. Identischer Teaser der Autoren-Projektseite. Originalquelle ↗ · Teaser: CC BY-SA 4.0 · Bildinhalt und Beschriftungen unverändert; WebP-Kompression.
Eingang

Bilder mit Zeitbezug

Aufnahmegeometrie und zeitliche Zuordnung der Beobachtungen erfassen.

Methode

Deformation lernen

Eine gemeinsame Gaussian-Darstellung wird zeitabhängig angepasst.

Ausgang

Bewegte neue Ansichten

Eine optimierte Szene aus anderen Blickrichtungen und zu gewählten Zeitpunkten rendern.

Prüfung

Bewegung zuordnen

Kamera- und Objektbewegung unterscheiden; Bildqualität und Messgenauigkeit separat prüfen.

8 min → 82 FPSD-NeRF · synthetischer Test
800 × 800 Pixel · RTX 3090

Im realen Neu3D-Test mit 15–20 stationären Kameras nennt die finale Fassung v3 40 Minuten Training → 30 FPS bei 1352 × 1014 Pixeln, ebenfalls auf einer RTX 3090. FPS beschreibt die anschliessende Wiedergabe. Für zeitnahe Beobachtung zählen zusätzlich Aufnahme, Übertragung, Optimierung und fachliche Prüfung.

So lesen Sie das Diagramm: Die horizontale Achse zeigt Wiedergabegeschwindigkeit, die vertikale Achse Bildähnlichkeit als PSNR. Kreisgrössen stehen für Trainingszeit. Daraus folgt eine Aussage über Darstellung und Rechenaufwand; die Genauigkeit einer gemessenen Bewegung benötigt eigene Referenzen.

Begriffe selbst erkunden · synthetische 3D-Skizze

Ein Haus.
Drei Darstellungen.

Wechseln Sie die Darstellung, bewegen Sie die Tür und blenden Sie Messzweige ein. So werden Ansicht, prüfbare Oberfläche, Bauteilwissen und gemeinsamer Bezug unterscheidbar.

Darstellung und Messbezug vergleichen

Frei entworfenes Lehrhaus · keine echten Messdaten

SYNTHETISCH · KEINE REKONSTRUKTION

Was sieht gleich aus –
und sagt etwas anderes aus?

Ein einziges 3D-Modell wird erst beim Start geladen. Keine Aufnahme und kein Upload erforderlich.
Ziehen: drehen · Zwei Finger / Mausrad: zoomenTastatur: Pfeile · + / − · Home
1 · Produkt wählen
2 · Perspektive wählen
3 · Zeitparameter verändern
4 · Räumlichen Bezug prüfen
Messzweige einblenden

Graue Sichtkegel zeigen Kamerablickrichtungen. Passpunkte dienen dem Bezug; unabhängige Kontrollpunkte der Prüfung. Die Schaltflächen werden nach dem Start verfügbar.

Starten Sie das Labor und wechseln Sie zwischen Oberfläche, Gaussians und Bauteilmodell. Anschliessend verändern Sie die Türstellung oder verschieben bewusst den gemeinsamen räumlichen Bezug.

Einordnung: Oberfläche, Punkte, Ellipsoide, Bauteile und Bewegung sind entworfen. Die weichen Ellipsoide erklären räumliche Primitive; hier werden weder VGGT noch 3DGS, EOGS oder 4D-GS ausgeführt. Die Türbewegung ist vorgegeben. Das Haus stellt kein reales Ballenberg-Gebäude dar. Satelliten und Messbereiche sind symbolisch und nicht massstäblich.

Transfer · System verbundener Messungen

Unterschiedliche Beobachtungen.
Ein überprüfbarer Zusammenhang.

Satelliten liefern übergeordneten Kontext, lokale Bilder sichtbare Befunde und Kontrollmessungen die unabhängige Prüfung. Software verbindet Ort, Zeit, Objekt und Qualität.

Optik + SAR räumlich zuordnen

Optische Erscheinung und Mikrowellen-Rückstreuung folgen verschiedenen Sensorprinzipien. Corley et al. prüfen 24 vortrainierte Matcher-Konfigurationen. XoFTR und RoMa erreichen auf drei annotierten SpaceNet9-Trainingsszenen 3,0 Pixel mittleren Tie-Point-Fehler: 2D-Bildregistrierung, keine Höhen- oder Wassertiefengenauigkeit.

SAR–Optik-Studie ↗

Lokal nachvollziehbar prüfen

Referenzierte Bodenaufnahmen beschreiben sichtbare Geometrie und Befunde. Unabhängige Kontrollpunkte, Strecken oder ausgewählte TLS-Flächen prüfen die Aussage. Tatsächlich unabhängige Beobachtungen stärken einen Befund; gemeinsam genutzte Trainingsdaten oder Referenzen werden als Abhängigkeit dokumentiert.

Gezielt und schrittweise skalieren

Gebiete in Kacheln bearbeiten, relevante Änderungen lokal nachführen und Übergänge prüfen. Für den Betrieb zählen Rechenzeit, Datenübertragung, Rechte und Zuständigkeit. Sprachmodelle können Berichte erschliessen und Befunde erklären; Messverfahren und fachliche Prüfung sichern den räumlichen Nachweis.

So wirken die Methoden zusammen

  • Geometrie aufbauen: VGGT liefert Kameras und eine erste 3D-Schätzung; FlashVGGT adressiert längere Bildfolgen. 2DGS oder MILo richten die Darstellung auf eine prüfbare Oberfläche aus.
  • Befunde zugänglich machen: 3DGS macht die Szene anschaulich. HBIM / IFC ordnet dem Bauteil Informationen zu. 4D-GS ergänzt eine zeitabhängige Darstellung von Bewegung.
  • Räumlichen Kontext erweitern: EOGS erzeugt Oberflächenkontext aus optischen Satellitenbildern. SAR–Optik-Registrierung bringt passende Bildstellen verschiedener Sensoren zusammen. CityGaussianV2 untersucht grosse zusammenhängende Szenen.
  • Gemeinsame Grundlage sichern: Raumbezug, Zeitpunkt, Objektkennung, Herkunft und Qualitätsnachweis werden mitgeführt. So lassen sich Befunde gemeinsam betrachten und für Erhaltungs- oder Umweltfragen begründet auswählen.

Der gemeinsame Raumbezug verbindet die Produkte. Eine Ansicht, eine Oberfläche und ein Höhenmodell behalten dabei ihre jeweils nachgewiesene Aussagekraft.

Eigener ForschungsvorschlagDieses Gesamtsystem überträgt die einzelnen Paper auf Erhaltung und Umweltbeobachtung. Sein vollständiger Betrieb ist damit noch kein publiziertes oder hier validiertes Ergebnis. Die angeführten Tests belegen jeweils die konkret beschriebenen Teilaufgaben.

Umsetzung · Infrastruktur und Grenzen

Einmal berechnen.
Vielfach nutzen.

Aufnahme, Rekonstruktion und Anzeige sind unterschiedliche Aufgaben. Ein späterer Pilot braucht eine nachvollziehbare Datenkette und getrennte Ressourcen für diese drei Stufen.

01 · Aufnehmen und zuordnen

Bilder + Referenzen

  • Kamera oder Smartphone: überlappende Fotos, geeignete Videoframes und Kameradaten.
  • Vermessene Referenz, unabhängige Kontrollmasse und Zeitstempel; bei Bewegung abgestimmte Aufnahmezeiten.
  • Satellitendaten mit Sensorgeometrie und passenden Nutzungsrechten; für Ballenberg bodengebundene Aufnahmen.
02 · Berechnen und prüfen

Rechenplatz + Warteschlange

  • GPU-Rechenplatz oder Server mit passender Software, ausreichend Arbeitsspeicher und SSD-Speicher.
  • Freigegebene VGGT-Gewichte auswerten; Gaussian-Parameter für den neuen Bildsatz optimieren.
  • Aufträge begrenzen, Ergebnisse zwischenspeichern und Geometrie gegen unabhängige Referenzen prüfen.
03 · Bereitstellen und nutzen

Dateien + 3D-Viewer

  • Modelle, Bilder und Metadaten versioniert ablegen; Herkunft und Prüfergebnis mitgeben.
  • Ein Webserver liefert vorbereitete Daten. Laptop oder Smartphone berechnen die interaktive Anzeige.
  • Dateigrösse, Übertragungsrate, Gerätespeicher und Grafikleistung bestimmen die Nutzbarkeit.

So wächst das System.

Für einen neuen Bildsatz wird einmal gerechnet. Viele Lernende oder Fachpersonen können danach das vorbereitete Modell abrufen. Grosse Gebiete werden in Teilgebiete zerlegt; bei einer Änderung werden betroffene Abschnitte gezielt neu verarbeitet. An den Übergängen werden Bezug und Qualität kontrolliert.

So bleibt die Aussage klar.

Hohe Bildraten beschreiben die Wiedergabe. Die Aktualität eines Lagebilds hängt zusätzlich von Aufnahme, Übertragung, Optimierung und Prüfung ab. Ein Forschungsmodell benötigt einen eigenen Praxistest mit den vorgesehenen Bildern und Geräten.

Welche Rechenleistung ist konkret gemeint?

Die originale 3DGS-Implementierung nutzt PyTorch und CUDA. Für das Training in der Qualität ihrer Paper-Evaluation nennt sie 24 GB GPU-Speicher, für ihren nativen Viewer 4 GB als Empfehlung. Diese Zahlen beziehen sich auf diese Implementierung; sie sind keine allgemeine Mindestanforderung für Gaussian Splatting oder einen Smartphone-Browser.

VGGT nutzt bereits trainierte Modellgewichte zur Vorhersage. Das vorherige Grundlagentraining, die Auswertung eines neuen Bildsatzes und eine anschliessende Bündelausgleichung sind getrennte Rechenschritte. Der praktische Bedarf wächst mit Bildzahl, Auflösung, Modell und Ausgabeprodukt.

3DGS · offizielle Referenzimplementierung ↗ · VGGT · Autoren-Projektseite ↗ · PlayCanvas · Gaussian Splatting im Browser ↗

Was läuft auf dieser Lehrwebsite?Das 3D-Lehrhaus zeigt die Begriffe als interaktive Skizze. Die Darstellung läuft im Browser; hier werden weder VGGT noch 3DGS-Training oder eine Volumenvermessung ausgeführt. «Mein Objekt in 3D» verwendet einen separaten SfM-Rechendienst. Die oben beschriebene Forschungskette ist ein Umsetzungsvorschlag für einen weiteren Pilotversuch.

FHNW · bestehender Anschluss, konkrete Weiterführung

Gleiche Bilder.
Getrennte Qualitätskriterien.

Vorgeschlagener Methodenversuch: ein freigegebenes Bauteil am Ballenberg berührungslos vom Boden aufnehmen. Eine klassische und eine ausgewählte neue Methode bearbeiten denselben Bildsatz.

Aufnahme planen

4050 · Photogrammetrie, Computer Vision & English: Nahbereichsprojekt planen, aufnehmen und auswerten. Sichtbarkeit und benötigte Details vorab festlegen.

Modul 4050 ↗

Geometrie beurteilen

3030 · 3D-Datenauswertung: Orientierung, Georeferenzierung und Qualitätsprüfung. Abweichungen, Lücken und Aufwand getrennt erfassen; Kontrollmessungen zurückhalten.

Modul 3030 ↗

Nutzbares Wissen übergeben

4030 · 3D-Modellierung und 4210 · GeoBIM & Infrastruktur I: Oberflächen und Bauteile mit Herkunft, Datum und fachlich geprüfter Bedeutung aufbereiten.

Modul 4030 ↗ · Modul 4210 ↗

Vorhandene Arbeit weiterführen: Der FHNW-Feldkurs 2024 ↗ dokumentiert Fassaden- und Innenraumaufnahmen am Ballenberg und die Weiterverwendung in Lehrmodulen. Das abgeschlossene Projekt cloudIO (2018–2020) ↗ bietet einen dokumentierten Anschluss für bildbasierte Georeferenzierung und Aktualisierung. Die hier ausgewählten neuen Paper sind eine vorgeschlagene Vertiefung, kein behaupteter Bestandteil dieser damaligen Projekte.

Ein verständlicher LeistungsnachweisWelches Produkt eignet sich für die vereinbarte Museumsfrage – und welche eigene Beobachtung stützt diese Methodenwahl? Derselbe Bildsatz und dieselbe unabhängige Referenz machen den Vergleich nachvollziehbar.

Zum Nachschlagen

Die Begriffe
kurz entschlüsselt.

Jede Zahl gehört zu einem Produkt, einem Versuch und einer Referenz. Diese Unterscheidung macht die Paper verständlich.

Begriffsübersicht öffnen
PCV
Photogrammetric Computer Vision: Bildauswertung zur räumlichen Rekonstruktion und Interpretation; Messbezug und Qualitätsprüfung gehören zur Anwendung.
SfM / MVS
Structure from Motion schätzt Kameras und dünne 3D-Struktur. Multi-View Stereo verdichtet die Oberfläche aus mehreren orientierten Bildern.
Transformer / Attention
Ein gelerntes Modell gewichtet den Informationsaustausch zwischen Bildbereichen oder Ansichten. VGGT verarbeitet Bildgeometrie; es ist kein Sprachmodell.
Tiefenkarte / Pointmap
Eine Tiefenkarte enthält Entfernungen pro Bildpunkt; eine Pointmap räumliche Koordinaten pro Bildpunkt.
Bündelausgleichung
Gemeinsame Anpassung von Kameraparametern und 3D-Punkten an Bildbeobachtungen.
VGGT / FlashVGGT
Visual Geometry Grounded Transformer: gemeinsame Schätzung von Kameras und Geometrie. FlashVGGT erforscht einen effizienteren Informationsaustausch für grosse Bildmengen.
Gaussian / Splatting
Ein räumlicher weicher Farbträger wird auf die Bildebene projiziert und mit anderen Beiträgen verrechnet. Seine Mitte ist kein automatisch geprüfter Oberflächenpunkt.
Mesh / MILo
Ein Mesh beschreibt eine Oberfläche durch Dreiecke. Mesh-In-the-Loop koppelt ein solches Netz in die Optimierung einer Gaussian-Darstellung zurück.
TLS / LiDAR
Terrestrisches Laserscanning erfolgt vom Boden. LiDAR bezeichnet allgemein die laserbasierte Entfernungsmessung. Auch Referenzmessungen haben Unsicherheit.
3D-GS / 2D-GS / Volumen
3D-GS nutzt räumliche, 2D-GS flache orientierte Gaussian-Primitive im 3D-Raum. Ein Volumen braucht Massstab und eine geprüfte Begrenzung; es ist nicht die Summe der Gaussian-Ausdehnungen.
BIM / HBIM / IFC
Bauwerksinformationsmodell / Modellierung historischer Gebäude / offenes Datenmodell für Bauteile, Eigenschaften und Beziehungen.
DSM / RPC
Digital Surface Model: Oberflächenmodell mit Häusern und Vegetation. Rational Polynomial Coefficients: parametrische Beschreibung der Satelliten-Abbildungsgeometrie.
MAE / Standardabweichung
MAE mittelt die Beträge der Fehler. Standardabweichung beschreibt deren Streuung. Beide benötigen eine klar benannte Referenz und sind kein garantierter Maximalfehler.
AUC@30
Zusammenfassende Kameraposen-Bewertung bis zu einer Winkelschwelle von 30 Grad. Höher ist besser; keine Angabe in Metern.
4D / Deformationsfeld
Drei Raumdimensionen plus Zeit. Ein Deformationsfeld beschreibt die zeitabhängige räumliche Veränderung eines Modells.
FPS / PSNR
Bilder pro Sekunde bei der Wiedergabe / Bildähnlichkeitsmass in Dezibel. Beide sind getrennt von metrischer Geometrie- und Bewegungsgenauigkeit.
SAR / Registrierung
Radar mit synthetischer Apertur / räumliche Zuordnung verschiedener Beobachtungen. SAR-Rückstreuung und optisches Aussehen folgen unterschiedlichen Sensorprinzipien.
Kontrollpunkt / Ground Truth
Ein unabhängiger Kontrollpunkt wurde nicht zur Anpassung verwendet. „Ground Truth“ ist hier eine dokumentierte Referenz mit eigener Messunsicherheit.
EOGS / EO-NeRF
Earth-observation Gaussian splatting / neuronales Strahlungsfeld für Erdbeobachtung: zwei bildbasierte Verfahren für Darstellung und Höhenmodellierung aus optischen Satellitenaufnahmen.
GPU / Inferenz / Optimierung
Graphics Processing Unit: Grafikprozessor. Inferenz wendet ein gelerntes Modell an; Szenenoptimierung passt ein Modell an den konkreten Bildsatz an. Das spätere Rendering erzeugt Ansichten.
Volumenprüfung
Für einen geschlossenen Körper: skalierte, geschlossene Oberfläche. Für einen Haufen: obere und untere Fläche innerhalb eines festen Randes. Lücken und Annahmen zur Unterlage werden dokumentiert.
Originalquellen und Abbildungsnachweise

Auswahl: verbreitete Grundlagen und gezielt passende Anwendungsstudien. Die sichtbaren Originalabbildungen stammen aus dem bereitgestellten Dossier; Autoren, Figuren und Lizenzen stehen jeweils direkt am Bild. Stand der Prüfung: 10.11.2026.

  1. VGGT: Visual Geometry Grounded Transformer ↗Jianyuan Wang, Minghao Chen, Nikita Karaev, Andrea Vedaldi, Christian Rupprecht, David Novotny · 2025
    CVPR 2025 · Best Paper Award
  2. FlashVGGT: Efficient and Scalable Visual Geometry Transformers with Compressed Descriptor Attention ↗Zipeng Wang, Dan Xu · 2026
    CVPR 2026
  3. 3D Gaussian Splatting for Real-Time Radiance Field Rendering ↗Bernhard Kerbl, Georgios Kopanas, Thomas Leimkühler, George Drettakis · 2023
    ACM Transactions on Graphics 42(4)
  4. 2D Gaussian Splatting for Geometrically Accurate Radiance Fields ↗Binbin Huang, Zehao Yu, Anpei Chen, Andreas Geiger, Shenghua Gao · 2024
    SIGGRAPH 2024 Conference Papers
  5. 3D Meshing of Challenging Surfaces using Gaussian Splatting ↗Dario Billi, Chaimaa Delasse, Arnadi Murtiyoso, Hélène Macher, Pierre Grussenmeyer, Gabriella Caroti, Andrea Piemonte · 2026
    ISPRS Archives XLIX-B2-2026, 801–808
  6. Integrating Terrestrial Laser Scanning and 3D Gaussian Splatting for Heritage Building Documentation and Monitoring ↗Deni Suwardhi, Lea Kristi Agustina, Wahyunan Andika, Ratri Widyastuti, Widiatmoko Azis Fadilah, Arnadi Murtiyoso, Fabio Remondino · 2026
    ISPRS Archives XLVIII-2/W12-2026, 463–470
  7. Gaussian Splatting for Efficient Satellite Image Photogrammetry ↗Luca Savant Aira, Gabriele Facciolo, Thibaud Ehret · 2025
    CVPR 2025, 5959–5969
  8. 4D Gaussian Splatting for Real-Time Dynamic Scene Rendering ↗Guanjun Wu, Taoran Yi, Jiemin Fang, Lingxi Xie, Xiaopeng Zhang, Wei Wei, Wenyu Liu, Qi Tian, Xinggang Wang · 2024
    CVPR 2024, 20310–20320 · finale arXiv-Fassung v3
  9. Are Pretrained Image Matchers Good Enough for SAR-Optical Satellite Registration? ↗Isaac Corley, Alex Stoken, Gabriele Berton · 2026
    CVPR 2026 Image Matching Workshop · arXiv v4
  10. MILo: Mesh-In-the-Loop Gaussian Splatting for Detailed and Efficient Surface Reconstruction ↗Guédon et al. · 2025
    SIGGRAPH Asia / ACM Transactions on Graphics · DOI: 10.1145/3763339 ↗
  11. CityGaussianV2: Efficient and Geometrically Accurate Reconstruction for Large-Scale Scenes ↗Liu et al. · 2025
    ICLR 2025

VGGT: © Autoren; keine pauschale Creative-Commons-Lizenz behauptet. 4D-GS: Die angegebene CC-BY-SA-Lizenz betrifft den identischen Teaser auf der Autoren-Projektseite. Alle Abbildungen behalten Inhalt und Beschriftungen; ausschliesslich die Dateikompression wurde angepasst.

Weiterführendes Material · Version 1.1

Verstehen. Prüfen.
Gezielt verbinden.

Präsentation und Sprechernotizen erklären Methoden, Forschungsergebnisse, Volumenfrage und Infrastruktur im selben Zusammenhang. Die bestehenden Lernstationen bleiben als praktische Vertiefung verfügbar.

Originalabbildung

Bild separat öffnen und weiter vergrössern ↗