文献

J-GLOBAL ID：201702228599795722   整理番号：17A1256945

深自動符号器ニューラルネットワークに基づく3Dモデル検索【Powered by NICT】

3D model retrieval based on deep Autoencoder neural networks

著者 (6件)： Liu Zhao-Ming (Dept. of CSIE, National Taiwan University of Science and Technology, Taipei, Taiwan) ,  Chen Yung-Yao (GIAT, National Taipei University of Technology, Taiwan) ,  Hidayati S. (Dept. of CSIE, National Taiwan University of Science and Technology, Taipei, Taiwan) ,  Chien Shih-Che (National Chung-Shan Institute of Science and Technology, Taoyuan, Taiwan) ,  Chang Feng-Chia (National Chung-Shan Institute of Science and Technology, Taoyuan, Taiwan) ,  Hua Kai-Lung (Dept. of CSIE, National Taiwan University of Science and Technology, Taipei, Taiwan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICSigSys  ページ： 290-296  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 3Dプリンティングのための3Dモデル資源の急速な成長は,3Dモデル検索システムのための緊急必要性を生み出した。ハードウェア装置の発展からの恩恵を受けて,可視化された3Dモデルは,タブレットコンピュータや携帯移動装置を用いてに容易にすることができた。本論文では,ビューベース特徴と深い学習を含む新しい3Dモデル検索法を提案した。2D画像は高度に識別可能なので,多重2次元ビューからの3Dモデルを構築する3Dモデル検索の最も一般的な方法の一つである。正規化は典型的には困難であると視野に基づく検索法のための時間のかかるが,本研究では,自動符号器と呼ばれる教師なし深層学習技術を利用したコンパクトなビューベース特徴を精密化した。,提案した方法は回転不変であり,翻訳の唯一の正規化とデータセットにおける3Dモデルのスケールを必要とする。ロバスト性のために,Fourier記述子とZernikeモーメントを適用した2D特徴を表現した。オンラインPrinceton形状ベンチマークデータセット上で提案手法を試験する実験結果は,他の既存の方法よりもより正確な検索性能を実証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 精密化 ,  ハードウェア ,  二次元 ,  不変性 ,  可視化 ,  *符号器 ,  形態 ,  正規化 ,  ロバスト性 ,  画像 ,  *ニューラルネットワーク ,  高速度 ,  多重化 ,  *三次元モデル
準シソーラス用語： Zernikeモーメント , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 符号器 ,  ニューラルネットワーク ,  3Dモデル ,  検索