Comme récemment démontré par Snapchat, les systèmes AR progressent et facilitent de nouvelles options pour la marque et la publicité qui utilisent des éléments visuels plus immersifs et engageants.

Mais l’une des limites de la RA est la modélisation 3D et la capacité des caméras de smartphone à mettre à l’échelle avec précision la taille des objets afin de les faire correspondre avec des comparaisons virtuelles et de fournir des représentations réalistes qui peuvent être superposées sur des scènes du monde réel.

C’est là que ce nouveau processus de Google entre en jeu – cette semaine sur le blog Google Engineering, la société a présenté ses dernières avancées en matière de modélisation 3D, qui pourraient voir un changement significatif dans le rendu AR dans un avenir proche.
Modélisation 3D de Google

Comme expliqué par Google:
Comment le marketing dirigera les entreprises en 2020 et au-delà

La transformation numérique a interrompu le fonctionnement de nombreuses organisations, brisant les cloisonnements fonctionnels et obligeant les responsables marketing à assumer de nouvelles responsabilités. Découvrez comment faire évoluer votre fonction marketing pour diriger votre entreprise en 2020.
Apprendre encore plus

“Aujourd’hui, nous annonçons la sortie de MediaPipe Objectron, un pipeline de détection d’objets 3D en temps réel mobile pour les objets du quotidien. Ce pipeline détecte les objets dans les images 2D et estime leurs poses et tailles grâce à un modèle d’apprentissage automatique (ML), formé sur un jeu de données 3D nouvellement créé. “

Le processus améliore la capacité de capturer la taille, la position et l’orientation d’un objet dans le monde, ce qui, comme indiqué, pourrait avoir des impacts significatifs sur la précision des applications de RA, conduisant à des outils de placement numérique plus impressionnants et utiles.

“Notre nouvelle approche, appelée AR Synthetic Data Generation, place les objets virtuels dans des scènes contenant des données de session AR, ce qui nous permet de tirer parti des poses de la caméra, des surfaces planes détectées et de l’éclairage estimé pour générer des emplacements physiquement probables et avec un éclairage correspondant à la Cette approche permet d’obtenir des données synthétiques de haute qualité avec des objets rendus qui respectent la géométrie de la scène et s’intègrent parfaitement dans les arrière-plans réels. “
Exemple Google MediaPipe

Nous avons déjà vu des exemples de placement de produits AR dans des environnements réels, y compris divers outils d’essai de maquillage et l’application d’affichage de meubles AR d’IKEA.

Ces utilisations initiales sont impressionnantes, mais une capacité de modélisation 3D plus avancée comme celle-ci permettra un placement virtuel encore plus intelligent et des outils meilleurs et plus précis. Cela pourrait être majeur pour le commerce électronique et les achats virtuels, avec plus de façons de voir à quoi ressemblent les objets dans votre monde avant d’effectuer un achat, tandis qu’il existe également des opportunités potentielles avancées pour l’activation et l’engagement de la marque grâce à des outils de RA améliorés.

Google partage ses dernières avancées avec la communauté des développeurs, en vue de futures améliorations de produits. Et avec des rapports suggérant également qu’Apple teste également une nouvelle application AR dédiée, et potentiellement ses propres lunettes AR, nous pourrions être dans quelques mises à jour AR majeures dans la seconde moitié de 2020.