建筑物高度预测

采用的AA-RMVSNet神经网络训练，是基于深度学习的立体视觉法（Multi-view Stereo，MVS），该方法可以借助卷积神经网络，从数据中抽取到更多有用的信息，能更好的应对高光、反射、细小物体、弱纹理等对于传统方法形成极大挑战的场景，更完整的完成室外场景下的建筑物重建。

窗户检测及计数

高精度、高完整度的训练建模方法，也代表着海量的数据信息处理分析难度。在该三维重建的过程中，首先需要通过航拍完成校园内部数据采集，再将采集到的数据通过稀疏重建获取相机位姿等参数后，转换为神经网络所需的格式。进而使用训练好的AA-RMVSNet网络，获取到深度与概率图，形成点云数据，才能完成对建筑物高度的预测。

室外各类元素检测与计数

语义分割效果

同时，高精度三维重建还需要通过机器视觉算法对采集到的图片进行进一步处理，精准检测和计数楼层、窗户等场景要素，以规避图片数据中物体畸变带来的影响。

精密繁琐的三维重建流程，对算力供给侧提出了更高的要求。郭亮团队此次能够实现威海校区的高精度三维重建，就很大程度上有赖于曙光计算服务平台的高质量算力服务供给：可以在强劲算力支撑的基础上，实现各个异构算力需求端的海量数据分析处理。同时，在产业发展维度上，算力供给服务的迭代升级，也将反向推动科技产业创新的进程。

商学院3D点云图与重建效果图

曙光计算服务刷新科创产业图景

曙光计算服务聚焦科学计算、工业计算、智能计算，意在打造端到端全栈算力生产、交付与应用支持平台。对三维建模等算力需求庞大的科技创新领域，以及科创产业转型升级具有重要的价值。

在算力供给服务上，曙光计算服务平台具备三大优势特征。

•  曙光计算服务平台采用融合架构设计 

  以“高密计算+大数据+深度学习”结合的方式，打破传统算力中心服务瓶颈，可以提供强劲的“通用计算+专用计算”融合算力支撑。

  
  

•  算力的互通互联 

  在算力强劲优势之外，曙光计算服务平台还通过全国数据中心的算力资源链接，实现了算力的互通互联，可以按需按量为用户进行统一调度管理，为需求侧提供“自来水”一样即开即用的算力服务，运维管理高效，大大降低科研人员的算力使用难度和成本。

  
  

•  实现产业生态的垂直整合 

  更值得一提的是，曙光计算服务平台目前已面向全产业开放了API接口，通过对接产品、商业模式、技术服务，以多中心互联的算力资源为合作伙伴赋能，实现产业生态的垂直整合。意味着在算力服务层面，为SaaS服务提供商、应用软件提供商、第三方服务商打开更广阔的服务通道，打造多样化、高品质的算力服务。

随着曙光等算力供给侧厂商的服务升级，以及计算服务生态的快速发展，三维建模等科技创新领域迎来更加强劲的驱动力量。而对于长期受限于算力门槛的整个科创产业来说，曙光计算服务平台的应用落地，也意味着更多科技企业、科研院校单位的算力天花板被逐渐打破，未来的科创产业发展图景仍在不断刷新。