Ανάπτυξη ψηφιακής ξενάγησης πολιτιστικών χώρων με χρήση Gaussian splatting

Abstract

Η παρούσα διπλωματική εργασία εξετάζει την εφαρμογή σύγχρονων νευρωνικών μεθόδων τρισδιάστατης ανακατασκευής για την παραγωγή διαδραστικών εμπειριών ψηφιακής ξενάγησης σε πολιτιστικούς χώρους. Ειδικότερα, η έρευνα επικεντρώνεται στη χρήση της τεχνικής 3D Gaussian Splatting, μιας πρόσφατης μεθόδου που επιτρέπει υψηλής ποιότητας αναπαραστάσεις με απόδοση σε πραγματικό χρόνο. Ως μελέτη περίπτωσης επιλέχθηκαν το ιστορικό τρένο «Μουτζούρης» και ο σιδηροδρομικός σταθμός των Άνω Λεχωνίων, χώροι με ιδιαίτερη πολιτιστική και τεχνολογική αξία αλλά και σημαντικές προκλήσεις για τρισδιάστατη τεκμηρίωση λόγω περιορισμών φωτισμού και διαφορετικής χωρικής κλίμακας. Η ψηφιοποίηση των χώρων πραγματοποιήθηκε με καταγραφή μικρής διάρκειας βίντεο μέσω έξυπνης κινητής συσκευής, ενώ η αρχική ανακατασκευή των τρισδιάστατων μοντέλων υλοποιήθηκε μέσω της πλατφόρμας Luma AI, η οποία παράγει Gaussian Splat αναπαραστάσεις. Ακολούθησε επεξεργασία και βελτιστοποίηση των αποτελεσμάτων με χρήση του εργαλείου Supersplat, με στόχο τον καθαρισμό των δεδομένων και τη βελτίωση της οπτικής ποιότητας των σκηνών. Το τελικό αποτέλεσμα ενσωματώθηκε σε ψηφιακή ξενάγηση δύο μορφών: μία διαδραστική διαδικτυακή εφαρμογή, όπου ο χρήστης πλοηγείται ελεύθερα με δυνατότητα ενεργοποίησης επιπλέον πληροφοριών ιστορικής έρευνας, και μία ασύγχρονη, μέσω αφηγηματικού βίντεο με υποτιτλισμένη φωνητική αφήγηση. Η εργασία αξιολογεί τεχνικά και μεθοδολογικά τη συνολική διαδικασία, καταδεικνύοντας την καταλληλότητα του Gaussian Splatting για εφαρμογές ψηφιακής πολιτιστικής κληρονομιάς και προσφέρει ένα ενδεικτικό πρότυπο για την ενσωμάτωση της τεχνητής νοημοσύνης και του real-time rendering στην ανάδειξη της πολιτιστικής κληρονομιάς.This thesis investigates the application of contemporary neural methods for three-dimensional reconstruction in the development of interactive digital tour experiences for cultural heritage sites. In particular, the research focuses on the use of 3D Gaussian Splatting, a recent technique that enables high-quality scene representations with real-time rendering performance. As a case study, the historic train “Moutzouris” and the railway station of Ano Lechonia were selected sites of significant cultural and technological value that also present notable challenges for three-dimensional documentation due to lighting constraints and variations in spatial scale. The digitization process was carried out through short-duration video recordings using a smartphone device. The initial 3D reconstruction of the scenes was performed using the Luma AI platform, which generates Gaussian Splat representations. The resulting models were subsequently refined and optimized using the SuperSplat tool, with the aim of cleaning the data and improving the visual quality of the reconstructed scenes. The final outcome was integrated into two complementary forms of digital tour experience. The first consists of an interactive web-based application that allows users to freely navigate the environment and activate supplementary historical annotations. The second takes the form of an asynchronous narrated video, enriched with subtitled voice-over, enabling guided presentation without requiring active user interaction. The thesis provides a technical and methodological evaluation of the overall workflow, demonstrating the suitability of Gaussian Splatting for digital cultural heritage applications. Furthermore, it proposes a practical framework for integrating artificial intelligence and real-time rendering technologies into the presentation and dissemination of cultural heritage content.