WebXR Derinliğinde Ustalaşmak: Derinlik Arabelleği Çözünürlüğüne ve Kalite Kontrolüne Derinlemesine Bir Bakış

Artırılmış Gerçeklik (AG), bilim kurgu eşiğini aşarak dijital bilgiyle etkileşimimizi yeniden şekillendiren somut ve güçlü bir araca dönüştü. AG'nin sihri, sanalı gerçekle kusursuz bir şekilde harmanlama yeteneğinde yatar. Oturma odanızdaki mobilyaların etrafında gezinen sanal bir karakter, gerçek dünyadaki bir nesneyi doğru bir şekilde ölçen dijital bir ölçüm aracı veya gerçek dünyadaki bir sütunun arkasına doğru bir şekilde gizlenmiş sanal bir sanat eseri—bu deneyimler tek bir kritik teknolojiye dayanır: gerçek zamanlı çevresel anlama. Web tabanlı AG için bu anlamanın kalbinde ise WebXR Derinlik API'si bulunmaktadır.

Derinlik API'si, geliştiricilere cihazın kamerası tarafından görülen gerçek dünya geometrisinin kare başına bir tahminini sunar. Genellikle derinlik haritası olarak bilinen bu veri, oklüzyon, gerçekçi fizik ve çevresel ağ oluşturma gibi gelişmiş özelliklerin kilidini açmanın anahtarıdır. Ancak, bu derinlik verisine erişmek sadece ilk adımdır. Ham derinlik bilgisi genellikle gürültülü, tutarsız ve ana kamera akışından daha düşük çözünürlüktedir. Doğru bir şekilde işlenmezse, titreşen oklüzyonlara, kararsız fiziğe ve sürükleyici yanılsamanın genel olarak bozulmasına yol açabilir.

Bu kapsamlı rehber, temel AG'nin ötesine geçerek gerçekten sağlam ve inandırıcı deneyimler alanına girmek isteyen WebXR geliştiricileri içindir. Derinlik arabelleği çözünürlüğü kavramını inceleyecek, kalitesini düşüren faktörleri keşfedecek ve kalite kontrolü, filtreleme ve doğrulama için pratik tekniklerden oluşan bir araç kutusu sunacağız. Bu kavramlarda ustalaşarak, gürültülü ham verileri yeni nesil AG uygulamaları için istikrarlı ve güvenilir bir temele dönüştürebilirsiniz.

Bölüm 1: WebXR Derinlik API'sinin Temelleri

Derinlik haritası kalitesini kontrol etmeden önce, ne olduğunu ve ona nasıl eriştiğimizi anlamalıyız. WebXR Derinlik Algılama API'si, cihazın sensörleri tarafından yakalanan derinlik bilgilerini ortaya çıkaran WebXR Cihaz API'si içindeki bir modüldür.

Derinlik Haritası Nedir?

Bir fotoğraf çektiğinizi hayal edin, ancak her piksel için renk bilgisini saklamak yerine, kameradan o pikselin temsil ettiği nesneye olan mesafeyi sakladığınızı düşünün. Bu, esasen bir derinlik haritasıdır. Genellikle gri tonlamalı 2 boyutlu bir görüntüdür ve piksel yoğunluğu mesafeye karşılık gelir. Daha parlak pikseller daha yakın nesneleri temsil ederken, daha koyu pikseller daha uzaktaki nesneleri temsil edebilir (veya görselleştirmeye bağlı olarak tam tersi).

Bu veri, WebGL bağlamınıza `XRDepthInformation.texture` olarak bir doku (texture) şeklinde sağlanır. Bu, gölgelendiricileriniz (shader) içinde doğrudan GPU üzerinde yüksek verimli, piksel başına derinlik hesaplamaları yapmanızı sağlar—bu, gerçek zamanlı AG için kritik bir performans konusudur.

WebXR Derinlik Bilgisini Nasıl Sağlar

API'yi kullanmak için, önce WebXR oturumunuzu başlatırken `depth-sensing` özelliğini istemeniz gerekir:

const session = await navigator.xr.requestSession('immersive-ar', { requiredFeatures: ['depth-sensing'] });

Ayrıca, performans bölümünde daha sonra inceleyeceğimiz veri formatı ve kullanım tercihleri de belirtebilirsiniz. Oturum etkinleştirildiğinde, `requestAnimationFrame` döngünüzde, WebGL katmanından en son derinlik bilgisini alırsınız:

const depthInfo = xrWebView.getDepthInformation(xrFrame.getViewerPose(xrReferenceSpace));

Eğer `depthInfo` mevcutsa, birkaç önemli bilgi parçası içerir:

• texture: Ham derinlik değerlerini içeren bir `WebGLTexture`.
• normDepthFromViewMatrix: Görünüm-uzay koordinatlarını normalleştirilmiş derinlik doku koordinatlarına dönüştürmek için bir matris.
• rawValueToMeters: Dokudan gelen ham, birimsiz değerleri metreye dönüştürmek için bir ölçeklendirme faktörü. Bu, doğru gerçek dünya ölçümleri için esastır.

Bu veriyi üreten temel teknoloji cihaza göre değişir. Bazıları, kızılötesi ışık yansıtan ve geri dönüşünü ölçen Uçuş Süresi (Time-of-Flight - ToF) veya Yapılandırılmış Işık gibi aktif sensörler kullanır. Diğerleri ise derinliği hesaplamak için iki görüntü arasındaki eşleşmeyi bulan stereoskopik kameralar gibi pasif yöntemler kullanır. Bir geliştirici olarak donanımı kontrol edemezsiniz, ancak sınırlamalarını anlamak, ürettiği veriyi yönetmenin anahtarıdır.

Bölüm 2: Derinlik Arabelleği Çözünürlüğünün İki Yüzü

Geliştiriciler "çözünürlük" kelimesini duyduklarında, genellikle bir görüntünün genişliğini ve yüksekliğini düşünürler. Derinlik haritaları için bu, hikayenin sadece yarısıdır. Derinlik çözünürlüğü iki parçalı bir kavramdır ve her iki parça da kalite için kritik öneme sahiptir.

Uzamsal Çözünürlük: 'Ne' ve 'Nerede'

Uzamsal çözünürlük, örneğin 320x240 veya 640x480 piksel gibi derinlik dokusunun boyutlarını ifade eder. Bu genellikle cihazın renkli kamera çözünürlüğünden (1920x1080 veya daha yüksek olabilir) önemli ölçüde daha düşüktür. Bu tutarsızlık, AG artefaktlarının birincil kaynağıdır.

• Detay Üzerindeki Etkisi: Düşük uzamsal çözünürlük, her derinlik pikselinin gerçek dünyada daha geniş bir alanı kapladığı anlamına gelir. Bu, ince detayları yakalamayı imkansız hale getirir. Bir masanın kenarları bloklu görünebilir, ince bir lamba direği tamamen kaybolabilir ve birbirine yakın nesneler arasındaki ayrım bulanıklaşır.
• Oklüzyon Üzerindeki Etkisi: Sorunun en görünür olduğu yer burasıdır. Sanal bir nesne kısmen gerçek dünyadaki bir nesnenin arkasında olduğunda, oklüzyon sınırı boyunca düşük çözünürlüklü "merdiven basamağı" artefaktları belirginleşir ve sürükleyiciliği bozar.

Bunu düşük çözünürlüklü bir fotoğraf gibi düşünün. Genel şekilleri seçebilirsiniz, ancak tüm ince detaylar ve keskin kenarlar kaybolur. Geliştiriciler için zorluk, genellikle bu düşük çözünürlüklü veriyi akıllıca "yükselterek" (upsample) veya onunla çalışarak yüksek çözünürlüklü bir sonuç yaratmaktır.

Bit Derinliği (Hassasiyet): 'Ne Kadar Uzak'

Bit derinliği veya hassasiyet, kaç farklı mesafe adımının temsil edilebileceğini belirler. Bu, derinlik haritasındaki her piksel değerinin sayısal hassasiyetidir. WebXR API'si, 16-bit işaretsiz tamsayılar (`ushort`) veya 32-bit kayan noktalı sayılar (`float`) gibi çeşitli formatlarda veri sağlayabilir.

• 8-bit Derinlik (256 seviye): 8-bit bir format sadece 256 ayrık mesafeyi temsil edebilir. 5 metrelik bir aralıkta bu, her adımın neredeyse 2 santimetre aralıklı olduğu anlamına gelir. 1.00m ve 1.01m'deki nesnelere aynı derinlik değeri atanabilir, bu da "derinlik nicelemesi" veya şeritlenme olarak bilinen bir olguya yol açar.
• 16-bit Derinlik (65.536 seviye): Bu önemli bir gelişmedir ve yaygın bir formattır. Çok daha pürüzsüz ve daha doğru mesafe temsili sağlar, niceleme artefaktlarını azaltır ve daha ince derinlik varyasyonlarının yakalanmasına olanak tanır.
• 32-bit Float: Bu, en yüksek hassasiyeti sunar ve bilimsel veya ölçüm uygulamaları için idealdir. Tamsayı formatlarının sabit adım sorununu ortadan kaldırır ancak daha yüksek performans ve bellek maliyetiyle birlikte gelir.

Düşük bit derinliği, biraz farklı derinliklerdeki iki yüzeyin önde render edilmek için rekabet ettiği ve titreşen bir efekte neden olan "Z-fighting"e neden olabilir. Ayrıca pürüzsüz yüzeylerin teraslı veya şeritli görünmesine neden olur, bu da sanal bir topun pürüzsüz bir rampa yerine bir dizi basamaktan aşağı yuvarlanıyor gibi göründüğü fizik simülasyonlarında özellikle fark edilir.

Bölüm 3: Gerçek Dünya vs. İdeal Derinlik Haritası: Kaliteyi Etkileyen Faktörler

Mükemmel bir dünyada, her derinlik haritası kristal berraklığında, yüksek çözünürlüklü ve gerçeğin mükemmel derecede doğru bir temsili olurdu. Pratikte, derinlik verisi dağınıktır ve çok çeşitli çevresel ve donanım tabanlı sorunlara açıktır.

Donanım Bağımlılıkları

Ham verilerinizin kalitesi temel olarak cihazın donanımı tarafından sınırlandırılır. Sensörleri değiştiremeseniz de, tipik arıza noktalarının farkında olmak, sağlam uygulamalar oluşturmak için çok önemlidir.

• Sensör Tipi: Birçok üst düzey mobil cihazda yaygın olan Uçuş Süresi (ToF) sensörleri genellikle iyidir ancak ortamdaki kızılötesi ışıktan (örneğin parlak güneş ışığı) etkilenebilir. Stereoskopik sistemler, iki kamera görüntüsü arasında eşleştirilecek belirgin özellikler olmadığı için düz beyaz bir duvar gibi dokusuz yüzeylerde zorlanabilir.
• Cihaz Güç Profili: Pilden tasarruf etmek için bir cihaz kasıtlı olarak daha düşük çözünürlüklü veya daha gürültülü bir derinlik haritası sağlayabilir. Bazı cihazlar farklı algılama modları arasında geçiş bile yapabilir ve kalitede gözle görülür değişikliklere neden olabilir.

Çevresel Sabotajcılar

Kullanıcınızın bulunduğu ortamın derinlik verisi kalitesi üzerinde büyük bir etkisi vardır. AG uygulamanız bu yaygın zorluklara karşı dirençli olmalıdır.

• Zorlu Yüzey Özellikleri:
  • Yansıtıcı Yüzeyler: Aynalar ve cilalı metaller, yüzeyin kendisinin değil, yansıyan sahnenin derinliğini gösteren portallar gibi davranır. Bu, derinlik haritanızda tuhaf ve yanlış geometriler yaratabilir.
  • Şeffaf Yüzeyler: Cam ve şeffaf plastik genellikle derinlik sensörleri için görünmezdir, bu da büyük deliklere veya arkalarındaki nesnelerin yanlış derinlik okumalarına yol açar.
  • Koyu veya Işığı Emen Yüzeyler: Çok koyu, mat yüzeyler (siyah kadife gibi) aktif sensörlerden gelen kızılötesi ışığı emebilir ve bu da eksik verilere (deliklere) neden olur.
• Aydınlatma Koşulları: Güçlü güneş ışığı ToF sensörlerini bastırarak önemli miktarda gürültü yaratabilir. Tersine, çok düşük ışık koşulları, görünür özelliklere dayanan pasif stereo sistemler için zorlayıcı olabilir.
• Mesafe ve Menzil: Her derinlik sensörünün optimal bir çalışma menzili vardır. Çok yakın olan nesneler odakta olmayabilirken, uzaktaki nesneler için doğruluk önemli ölçüde düşer. Çoğu tüketici sınıfı sensör yalnızca yaklaşık 5-8 metreye kadar güvenilirdir.
• Hareket Bulanıklığı: Cihazın veya sahnedeki nesnelerin hızlı hareketi, derinlik haritasında hareket bulanıklığına neden olarak kenarların bulaşmasına ve yanlış okumalara yol açabilir.

Bölüm 4: Geliştiricinin Araç Kutusu: Kalite Kontrol için Pratik Teknikler

Artık sorunları anladığımıza göre, çözümlere odaklanalım. Amaç mükemmel bir derinlik haritası elde etmek değil—bu genellikle imkansızdır. Amaç, ham, gürültülü veriyi, uygulamanızın ihtiyaçları için tutarlı, kararlı ve yeterince iyi bir şeye işlemektir. Aşağıdaki tekniklerin tümü, gerçek zamanlı performans için WebGL gölgelendiricilerinizde uygulanmalıdır.

Teknik 1: Zamansal Filtreleme (Zaman İçinde Yumuşatma)

Kareden kareye derinlik verisi çok "titrek" olabilir ve bireysel piksellerin değerleri hızla değişebilir. Zamansal filtreleme, mevcut karenin derinlik verisini önceki karelerden gelen verilerle harmanlayarak bunu yumuşatır.

Basit ve etkili bir yöntem Üstel Hareketli Ortalama (EMA)'dır. Gölgelendiricinizde, önceki kareden yumuşatılmış derinliği saklayan bir "geçmiş" dokusu tutarsınız.

Kavramsal Gölgelendirici Mantığı:

float smoothing_factor = 0.6; // 0 ile 1 arasında bir değer. Yüksek değer = daha fazla yumuşatma. vec2 tex_coord = ...; // Mevcut pikselin doku koordinatı float current_depth = texture2D(new_depth_map, tex_coord).r; float previous_depth = texture2D(history_depth_map, tex_coord).r; // Sadece mevcut derinlik geçerliyse (0 değilse) güncelle if (current_depth > 0.0) { float smoothed_depth = mix(current_depth, previous_depth, smoothing_factor); // yumusatilmis_derinlik'i bir sonraki kare için yeni geçmiş dokusuna yaz } else { // Mevcut veri geçersizse, sadece eski veriyi taşı // onceki_derinlik'i yeni geçmiş dokusuna yaz }

Artıları: Yüksek frekanslı gürültüyü ve titremeyi azaltmada mükemmeldir. Oklüzyonları ve fizik etkileşimlerini çok daha kararlı hissettirir.

Eksileri: Özellikle hızlı hareket eden nesnelerde hafif bir gecikme veya "hayalet" etkisi yaratır. `smoothing_factor` değeri, kararlılık ile duyarlılık arasında bir denge kurmak için ayarlanmalıdır.

Teknik 2: Uzamsal Filtreleme (Komşularla Yumuşatma)

Uzamsal filtreleme, bir pikselin değerini komşu piksellerin değerlerine göre değiştirmeyi içerir. Bu, izole edilmiş hatalı pikselleri düzeltmek ve küçük pürüzleri yumuşatmak için harikadır.

• Gauss Bulanıklığı: Basit bir bulanıklık gürültüyü azaltabilir, ancak aynı zamanda önemli keskin kenarları da yumuşatır, bu da masalarda yuvarlak köşelere ve bulanık oklüzyon sınırlarına yol açar. Bu kullanım durumu için genellikle çok agresif bir yöntemdir.
• Bilateral Filtre: Bu, kenar koruyucu bir yumuşatma filtresidir. Komşu piksellerin ortalamasını alarak çalışır, ancak merkez piksele benzer derinlik değerine sahip komşulara daha fazla ağırlık verir. Bu, düz bir duvarı yumuşatacağı ancak bir derinlik süreksizliği (bir masanın kenarı gibi) boyunca piksellerin ortalamasını almayacağı anlamına gelir. Bu, derinlik haritaları için çok daha uygundur ancak basit bir bulanıklıktan hesaplama açısından daha maliyetlidir.

Teknik 3: Delik Doldurma ve Onarma

Genellikle derinlik haritanız, sensörün bir okuma alamadığı yerlerde "delikler" (değeri 0 olan pikseller) içerir. Bu delikler, sanal nesnelerin beklenmedik bir şekilde görünmesine veya kaybolmasına neden olabilir. Basit delik doldurma teknikleri bunu azaltabilir.

Kavramsal Gölgelendirici Mantığı:

vec2 tex_coord = ...; float center_depth = texture2D(depth_map, tex_coord).r; if (center_depth == 0.0) { // Bu bir delikse, komşuları örnekle ve geçerli olanların ortalamasını al float total_depth = 0.0; float valid_samples = 0.0; // ... 3x3 veya 5x5'lik bir komşu ızgarası üzerinde döngü ... // if (neighbor_depth > 0.0) { total_depth += neighbor_depth; valid_samples++; } if (valid_samples > 0.0) { center_depth = total_depth / valid_samples; } } // (Potansiyel olarak doldurulmuş) center_depth değerini kullan

Daha gelişmiş teknikler, deliğin kenarlarından içeriye doğru derinlik değerlerini yaymayı içerir, ancak basit bir komşu ortalaması bile kararlılığı önemli ölçüde artırabilir.

Teknik 4: Çözünürlük Yükseltme (Upsampling)

Tartışıldığı gibi, derinlik haritası genellikle renkli görüntüden çok daha düşük çözünürlüktedir. Doğru piksel başına oklüzyon yapmak için yüksek çözünürlüklü bir derinlik haritası oluşturmamız gerekir.

• Bilineer İnterpolasyon: Bu en basit yöntemdir. Gölgelendiricinizde düşük çözünürlüklü derinlik dokusunu örneklerken, GPU'nun donanım örnekleyicisi en yakın dört derinlik pikselini otomatik olarak karıştırabilir. Bu hızlıdır ancak çok bulanık kenarlara neden olur.
• Kenar Farkındalıklı Yükseltme: Daha gelişmiş bir yaklaşım, yüksek çözünürlüklü renkli görüntüyü bir kılavuz olarak kullanır. Mantık şudur: renkli görüntüde keskin bir kenar varsa (örneğin, açık renkli bir duvara karşı koyu bir sandalyenin kenarı), derinlik haritasında da muhtemelen keskin bir kenar olmalıdır. Bu, nesne sınırları boyunca bulanıklaşmayı önler. Sıfırdan uygulanması karmaşık olsa da, temel fikir, hem uzamsal mesafeye hem de yüksek çözünürlüklü kamera dokusundaki renk benzerliğine dayalı olarak filtre ağırlıklarını değiştiren Ortak Bilateral Yükseltici (Joint Bilateral Upsampler) gibi teknikleri kullanmaktır.

Teknik 5: Hata Ayıklama ve Görselleştirme

Göremediğiniz şeyi düzeltemezsiniz. Kalite kontrol araç kutunuzdaki en güçlü araçlardan biri, derinlik haritasını doğrudan görselleştirme yeteneğidir. Derinlik dokusunu ekrandaki bir dörtgene (quad) render edebilirsiniz. Ham derinlik değerleri görünür bir aralıkta olmadığından, bunları parça gölgelendiricinizde (fragment shader) normalleştirmeniz gerekecektir.

Kavramsal Normalleştirme Gölgelendirici Mantığı:

float raw_depth = texture2D(depth_map, tex_coord).r; float depth_in_meters = raw_depth * rawValueToMeters; // Görselleştirme için 0-1 aralığına normalleştir, örn. 5 metrelik maksimum menzil için float max_viz_range = 5.0; float normalized_color = clamp(depth_in_meters / max_viz_range, 0.0, 1.0); gl_FragColor = vec4(normalized_color, normalized_color, normalized_color, 1.0);

Ham, filtrelenmiş ve yükseltilmiş derinlik haritalarını yan yana görüntüleyerek, filtreleme parametrelerinizi sezgisel olarak ayarlayabilir ve kalite kontrol algoritmalarınızın etkisini anında görebilirsiniz.

Bölüm 5: Vaka Çalışması - Sağlam Oklüzyon Uygulaması

Bu kavramları Derinlik API'si için en yaygın kullanım durumu olan oklüzyon ile bir araya getirelim. Amaç, sanal bir nesnenin gerçek dünya nesnelerinin arkasında doğru bir şekilde görünmesini sağlamaktır.

Temel Mantık (Parça Gölgelendiricide)

İşlem, sanal nesnenizin her bir pikseli için gerçekleşir:

1. Sanal Parçanın Derinliğini Al: Tepe noktası gölgelendiricisinde (vertex shader), tepe noktasının klip-uzay pozisyonunu hesaplarsınız. Bu pozisyonun Z bileşeni, perspektif bölmesinden sonra, sanal nesnenizin derinliğini temsil eder. Bu değeri parça gölgelendiricisine (fragment shader) geçirin.
2. Gerçek Dünya Derinliğini Al: Parça gölgelendiricisinde, derinlik haritasındaki hangi pikselin mevcut sanal parçaya karşılık geldiğini bulmanız gerekir. Parçanızın görünüm-uzay pozisyonunu derinlik haritasının doku koordinatlarına dönüştürmek için API tarafından sağlanan `normDepthFromViewMatrix`'i kullanabilirsiniz.
3. Gerçek Derinliği Örnekle ve İşle: Bu doku koordinatlarını kullanarak (ideal olarak önceden filtrelenmiş ve yükseltilmiş) derinlik haritanızı örnekleyin. Ham değeri `rawValueToMeters` kullanarak metreye dönüştürmeyi unutmayın.
4. Karşılaştır ve At: Sanal parçanızın derinliğini gerçek dünya derinliğiyle karşılaştırın. Sanal nesne daha uzaktaysa (daha büyük bir derinlik değerine sahipse) o pikseldeki gerçek dünya nesnesinden, o zaman oklüzyona uğramıştır. GLSL'de, o pikselin render edilmesini tamamen durdurmak için `discard` anahtar kelimesini kullanırsınız.

Kalite Kontrolü Olmadan: Oklüzyonun kenarları bloklu (düşük uzamsal çözünürlük nedeniyle) ve titreşimli veya cızırtılı (zamansal gürültü nedeniyle) olacaktır. Sanal nesnenize kabaca uygulanmış gürültülü bir maske gibi görünecektir.

Kalite Kontrolü ile: Bölüm 4'teki teknikleri uygulayarak—veriyi stabilize etmek için bir zamansal filtre çalıştırarak ve kenar farkındalıklı bir yükseltme yöntemi kullanarak—oklüzyon sınırı pürüzsüz ve kararlı hale gelir. Sanal nesne, gerçek sahnenin sağlam ve inandırıcı bir parçası olarak görünecektir.

Bölüm 6: Performans, Performans, Performans

Her karede derinlik verisini işlemek hesaplama açısından maliyetli olabilir. Kötü bir uygulama, uygulamanızın kare hızını AG için rahat eşiğin altına kolayca çekebilir ve bu da mide bulandırıcı bir deneyime yol açabilir. İşte bazı vazgeçilmez en iyi uygulamalar.

GPU'da Kalın

Ana render döngünüz içinde derinlik doku verisini asla CPU'ya geri okumayın (örneğin `readPixels` kullanarak). Bu işlem inanılmaz derecede yavaştır ve render boru hattını durdurarak kare hızınızı mahveder. Tüm filtreleme, yükseltme ve karşılaştırma mantığı GPU üzerindeki gölgelendiricilerde yürütülmelidir.

Gölgelendiricilerinizi Optimize Edin

• Uygun Hassasiyet Kullanın: Mümkün olan yerlerde float'lar ve vektörler için `highp` yerine `mediump` kullanın. Bu, mobil GPU'larda önemli bir performans artışı sağlayabilir.
• Doku Okumalarını En Aza İndirin: Her doku örneğinin bir maliyeti vardır. Filtreleri uygularken, mümkün olan yerlerde örnekleri yeniden kullanmaya çalışın. Örneğin, 3x3 bir kutu bulanıklığı, genel olarak daha az doku okuması gerektiren iki geçişe (biri yatay, biri dikey) ayrılabilir.
• Dallanma Maliyetlidir: Bir gölgelendiricideki karmaşık `if/else` ifadeleri performans sorunlarına neden olabilir. Bazen, her iki sonucu da hesaplamak ve sonucu seçmek için `mix()` veya `step()` gibi matematiksel bir işlev kullanmak daha hızlıdır.

WebXR Özellik Anlaşmasını Akıllıca Kullanın

`depth-sensing` özelliğini istediğinizde, tercihlerle bir tanımlayıcı sağlayabilirsiniz:

{ requiredFeatures: ['depth-sensing'], depthSensing: { usagePreference: ['cpu-optimized', 'gpu-optimized'], dataFormatPreference: ['luminance-alpha', 'float32'] } }

• usagePreference: `gpu-optimized`, gerçek zamanlı render için istediğiniz şeydir, çünkü sisteme derinlik verisini öncelikle GPU'da kullanacağınızı ima eder. `cpu-optimized`, eşzamansız ağ yeniden yapılandırması gibi görevler için kullanılabilir.
• dataFormatPreference: `float32` istemek size en yüksek hassasiyeti verir ancak bir performans maliyeti olabilir. `luminance-alpha`, 16-bit derinlik değerini iki 8-bit kanal arasında saklar, bu da yeniden oluşturmak için gölgelendiricinizde küçük bir miktar bit kaydırma mantığı gerektirir ancak bazı donanımlarda daha performanslı olabilir. Sistem elindekini sağladığı için, gerçekte hangi formatı aldığınızı her zaman kontrol edin.

Uyarlanabilir Kalite Uygulayın

Tek bedene uyan bir kalite yaklaşımı optimal değildir. Üst düzey bir cihaz karmaşık çok geçişli bir bilateral filtreyi kaldırabilirken, daha düşük seviyeli bir cihaz zorlanabilir. Uyarlanabilir bir kalite sistemi uygulayın:

• Başlangıçta, cihazın performansını test edin veya modelini kontrol edin.
• Performansa bağlı olarak, farklı bir gölgelendirici veya farklı bir filtreleme teknikleri seti seçin.
• Yüksek Kalite: Zamansal EMA + Bilateral Filtre + Kenar Farkındalıklı Yükseltme.
• Orta Kalite: Zamansal EMA + Basit 3x3 komşu ortalaması.
• Düşük Kalite: Filtreleme yok, sadece temel bilineer interpolasyon.

Bu, uygulamanızın mümkün olan en geniş cihaz yelpazesinde sorunsuz çalışmasını sağlar ve her kullanıcı için mümkün olan en iyi deneyimi sunar.

Sonuç: Veriden Deneyime

WebXR Derinlik API'si, yeni bir sürükleyicilik seviyesine açılan bir kapıdır, ancak mükemmel AG için tak-çalıştır bir çözüm değildir. Sağladığı ham veri sadece bir başlangıç noktasıdır. Gerçek ustalık, verinin kusurlarını—çözünürlük sınırlarını, gürültüsünü, çevresel zayıflıklarını—anlamak ve düşünceli, performans odaklı bir kalite kontrol boru hattı uygulamakta yatar.

Zamansal ve uzamsal filtreleme uygulayarak, delikleri ve çözünürlük farklarını akıllıca ele alarak ve verilerinizi sürekli olarak görselleştirerek, gürültülü, titrek bir sinyali yaratıcı vizyonunuz için istikrarlı bir temele dönüştürebilirsiniz. Sarsıcı bir AG demosu ile gerçekten inandırıcı, sürükleyici bir deneyim arasındaki fark genellikle bu derinlik bilgisinin dikkatli yönetiminde yatar.

Gerçek zamanlı derinlik algılama alanı sürekli gelişmektedir. Gelecekteki ilerlemeler, yapay zeka ile geliştirilmiş derinlik rekonstrüksiyonu, anlamsal anlama (bir pikselin 'zemin'e mi yoksa 'kişi'ye mi ait olduğunu bilme) ve daha fazla cihaza daha yüksek çözünürlüklü sensörler getirebilir. Ancak kalite kontrolünün temel ilkeleri—veriyi yumuşatma, filtreleme ve doğrulama—açık web üzerinde Artırılmış Gerçeklikte mümkün olanın sınırlarını zorlama konusunda ciddi olan her geliştirici için temel beceriler olarak kalacaktır.