Modelagem 3D

M-plicits: IMPA e PUC-Rio limpam ruído de scan 3D com rede neural

O M-plicits, método de superfícies implícitas neurais criado por pesquisadores do IMPA, da PUC-Rio, da UFSM, da Universidade de Coimbra e do Google DeepMind, foi aceito na NeurIPS 2026. A técnica reconstrói modelos 3D a partir de escaneamentos com ruído usando redes muito menores que as alternativas atuais.

Por MaxRender · 25 de setembro de 2026

Figura do artigo M-plicits com esculturas 3D cinzas comparando um scan com ruído, a reconstrução granulada do Instant-NGP e a versão limpa do método, ao lado de mapas de cor de campos de distância.

O M-plicits chegou ao arXiv na quarta-feira (23) com um selo que pesa bastante em pesquisa de IA, o aceite na NeurIPS 2026, uma das maiores conferências de aprendizado de máquina do mundo. O trabalho é assinado por onze pesquisadores, e a maior parte tem vínculo com instituições brasileiras, o IMPA e a PUC-Rio, no Rio de Janeiro, e a Universidade Federal de Santa Maria, no Rio Grande do Sul. A Universidade de Coimbra, em Portugal, e o Google DeepMind completam a lista. Entre os autores está Luiz Velho, um dos pioneiros da computação gráfica no Brasil.

Uma superfície implícita neural guarda a forma de um objeto dentro de uma rede neural, em vez de guardar uma malha de polígonos. Você pergunta à rede a distância de qualquer ponto do espaço até a superfície, e ela responde. O formato é compacto e elegante, só que tem um ponto fraco conhecido. Quando o escaneamento de entrada vem com ruído, como quase sempre acontece com fotogrametria ou scanner de mão, a rede aprende o ruído junto com a forma.

A proposta do grupo divide o trabalho em camadas. Uma rede pequena aprende a forma geral, e redes seguintes só enxergam uma faixa estreita em volta da superfície que a anterior encontrou, corrigindo os detalhes. A rede inicial acaba funcionando como um filtro, porque nunca vê o ruído fino. Nos testes com 1% de perturbação nos vértices, o erro do M-plicits ficou cerca de oito vezes menor que o do Instant-NGP, da NVIDIA. E a versão mais leve tem 17 mil parâmetros, contra 2 a 9 milhões do método da NVIDIA.

Tem ainda um lado de renderização. O artigo traz um sphere tracing em múltiplas escalas que roda a 180 quadros por segundo em 512 por 512 pixels na versão leve, sem precisar extrair malha nenhuma. A extração de malha, quando necessária, ficou até cinco vezes mais rápida.

Fico me perguntando quanto disso chega ao artista de 3D e em quanto tempo. Por enquanto o M-plicits existe como pesquisa, com código, modelos e dados publicados no GitHub. Mas quem limpou scan de fotogrametria na mão sabe o quanto o ruído come de horas de retopologia. Poucos dias depois de o método da Carnegie Mellon que vetoriza cenas 3D circular como destaque do SIGGRAPH, um grupo com base no Rio entra na lista de aceitos da NeurIPS, e esse tipo de notícia quase nunca vira manchete por aqui.