# 3D Reconstruction

# 🚜 Nerf: Representing Scenes as Neural Radiance Fields for View Synthesis

👥 **Integrantes:**

- 👤 Miguel Ángel Molina G.
- 👤 Ing Cristian Camilo Rey Rueda

📑 **Material de apoyo:**

- 📊 **Diapositivas:** [Diapositivas](https://www.canva.com/design/DAGoNpsjfO0/jZ53ON22Up3XMRUA_ZNXew/edit?utm_content=DAGoNpsjfO0&utm_campaign=designshare&utm_medium=link2&utm_source=sharebutton)
- 📜 **Paper:** [Artículo](https://arxiv.org/pdf/2003.08934)

---

## 🎯 **Objetivos**

Se plantean 3 objetivos para esta exposición:

✅ Comprender las limitaciones de los enfoques tradicionales para la síntesis de vistas novedosas (por ejemplo, métodos basados en geometría explícita o mapas de profundidad).  
✅ Explicar cómo NeRF utiliza una red neuronal para representar escenas 3D mediante una función continua de coordenadas espaciales y direcciones de vista.  
✅ Analizar el proceso de renderizado volumétrico y su papel en la generación de vistas fotorrealistas a partir de un conjunto reducido de imágenes.

---

## 📊 **Resultados Esperados**

📍 Se espera obtener al final de la sesión:

🔹 Diferenciar a NeRF de otros métodos de reconstrucción 3D y renderizado neuronal, destacando su enfoque basado en representación implícita continua.  
🔹 Entender cómo el entrenamiento supervisado con imágenes y poses de cámara conocidas permite a NeRF generar vistas nuevas con alto realismo sin necesidad de geometría explícita.  
🔹 Reconocer el papel clave del renderizado volumétrico diferenciable en la optimización de la red y su capacidad para capturar detalles geométricos complejos.

## 📚 **Referencias**

📖 Enlaces que pueden servir de ayuda para el lector:

🔹 [🎥 Video complementario #1](https://www.youtube.com/watch?v=CRlN-cYFxTk&t=9s)  
🔹 [🎥 Video complementario #2](https://www.youtube.com/watch?v=JuH79E8rdKc)

# 🔥ThermalNerf: Thermal Radiance Fields

👥 **Integrantes:**

- 👤 Guillermo Pinto.
- 👤 Julián David León Quintero.

📑 **Material de apoyo:**

- 📊 **Diapositivas:** [Diapositivas](https://www.canva.com/design/DAGpWkq_woc/tNVxYmXEqDBEkW-G1y0LZg/view?utm_content=DAGpWkq_woc&utm_campaign=designshare&utm_medium=link2&utm_source=uniquelinks&utlId=h264a975ff2)
- 📜 **Paper:** [Artículo](https://arxiv.org/pdf/2407.15337)

---

## 🎯 **Objetivos**

Se plantean 3 objetivos para esta exposición:

✅ Comprender los desafíos físicos y computacionales asociados a la síntesis de vistas térmicas, en contraste con las imágenes RGB tradicionales.  
✅ Explicar cómo Thermal-NeRF extiende la formulación clásica de NeRF incorporando campos de densidad y emisión específicos para la radiación infrarroja.  
✅ Analizar la formulación del modelo de formación de imagen térmica y su integración con técnicas de renderizado volumétrico para reconstruir escenas en el espectro térmico.

---

## 📊 **Resultados Esperados**

📍 Se espera obtener al final de la sesión:

🔹 Diferenciar a Thermal-NeRF de NeRF clásico y otros métodos de reconstrucción térmica, destacando su capacidad para modelar simultáneamente campos visibles e infrarrojos.  
🔹 Entender cómo la incorporación de radiancia térmica y densidades espectro-dependientes permite reconstruir propiedades físicas no visibles a partir de datos multiespectrales.  
🔹 Reconocer el rol del renderizado volumétrico térmico y su impacto en la síntesis realista de vistas infrarrojas bajo condiciones de oclusión y variabilidad de emisividad.

## 📚 **Referencias**

📖 Enlaces que pueden servir de ayuda para el lector:

🔹 [🎥 Video complementario #1](https://www.youtube.com/watch?v=CRlN-cYFxTk&t=9s)  
🔹 [🎥 Video complementario #2](https://www.youtube.com/watch?v=JuH79E8rdKc)  
🔹 [📄 Nerf Paper](https://arxiv.org/abs/2003.08934)  
🔹 [📄 Camera Calibration](https://ir.lib.nycu.edu.tw/bitstream/11536/80660/6/253006.pdf)

# 🌐 UniK3D: Universal Camera Monocular 3D Estimation

## 👥 **Integrantes:**

- 👤 Jeferson Acevedo
- 👤 Alejandro Moreno
- 👤 Samuel Penilla

## 📑 **Material de apoyo:**

- 📊 **Diapositivas:** [Ver presentaciones](https://www.canva.com/design/DAHCdzV1DOM/-vjjzGQTjffj1a9FBScfiQ/edit)
- 📜 **Paper:** [Ver artículos académicos](https://arxiv.org/abs/2503.16591)

## 📚 **Referencias**

- [Ref 1](https://github.com/lpiccinelli-eth/UniK3D)
- [Ref 2](https://lpiccinelli-eth.github.io/pub/unik3d/)