Cattura volumetrica per la produzione televisiva: analisi delle potenzialità e limitazioni. = Volumetric capture for TV production: an analysis of its potential and limitations.

La seguente tesi si propone di individuare e testare sistemi per la realizzazione di video volumetrici di buona qualità, che possano essere integrati in produzioni televisive Rai. In un panorama multimediale sempre più ibrido tra reale e virtuale, è fondamentale disporre di rappresentazioni tridimensionali realistiche di persone. Il video volumetrico grazie all’utilizzo del live action, invece della computer grafica e dell’animazione, permette di facilitare le rappresentazioni tridimensionali di contenuti dinamici. Inoltre, la possibilità di modificare l'illuminazione e i movimenti di camera dopo la fase di ripresa offre una maggiore flessibilità creativa durante fase di post-produzione. La cattura volumetrica è ancora in fase emergente e, per tale motivo, presenta alcune limitazioni. I recenti sviluppi nel deep learning stanno migliorando e rendendo più accessibile questa tecnologia, ma il processo per una completa democratizzazione e un alto livello di accessibilità è ancora lungo. La ricerca si è orientata verso l’utilizzo di diversi software, permettendo l’analisi di molteplici soluzioni tecnologiche: algoritmi di deep learning, sensori di profondità e LiDAR. Sono state testate le applicazioni Volu, Depthkit e V3LCamera e l’algoritmo open source del Gaussian Splatting 4D. Le catture volumetriche, ottenute dalle tre differenti applicazioni, sono state inserite all’interno di ambienti virtuali al fine di poterne valutare l’integrazione e la bontà delle ricostruzioni volumetriche. Dopo un’analisi delle diverse tecnologie condotta in maniera indipendente, si è ritenuto opportuno svolgere un confronto diretto. Volu si è dimostrata la migliore per il rapporto qualità-prezzo e fotorealismo. Depthkit e V3LCamera hanno mostrato tempistiche ridotte in fase di elaborazione, ma limiti in termini di realismo. In seguito, è stata analizzata la cattura volumetrica in real time, ottenendo risultati buoni solamente con un angolo di mobilità visiva di pochi gradi. Nonostante sia stata rilevata una latenza accettabile, le ricostruzioni soffrono di numerosi artefatti, che peggiorano all'aumentare della distanza del soggetto dallo strumento di cattura. Il Gaussian Splatting 4D ha, invece, richiesto un’analisi indipendente a causa della mancata possibilità di integrazione in motori grafici. Tale tecnologia è risultata promettente, ma non ancora ottimizzata per un utilizzo televisivo. Tale scenario potrebbe evolvere in futuro apportando numerosi vantaggi alle produzioni televisive, considerandone i costi trascurabili. Tali assunzioni sono state ulteriormente confermate da test soggettivi, condotti su 20 persone.