文献

J-GLOBAL ID：201702266793170121   整理番号：17A1398575

スケッチベース3D形状検索のためのマルチビュー対関係学習【Powered by NICT】

Multi-view pairwise relationship learning for sketch based 3D shape retrieval

著者 (6件)： Li Hanhui (National Engineering Research Center of Digital Life, Sun Yat-sen University, China) ,  Wu Hefeng (School of Informatics, Guangdong University of Foreign Studies, China) ,  He Xiangjian (Global Big Data Technologies Centre, University of Technology Sydney, Australia) ,  Lin Shujin (National Engineering Research Center of Digital Life, Sun Yat-sen University, China) ,  Wang Ruomei (National Engineering Research Center of Digital Life, Sun Yat-sen University, China) ,  Luo Xiaonan (National Engineering Research Center of Digital Life, Sun Yat-sen University, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICME  ページ： 1434-1439  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： スケッチベース3D形状検索における最近の進歩は,インターネット上の有質量3D形状探索のための新しいユーザフレンドリーな方法を創出する。しかし,このトピックに関する現在の方法はスケッチと3D形状,または複雑なマッチング戦略の両方のための不変特徴の設計に依存している。,任意の図と矛盾した観点のような問題に悩まされている。この問題を解決するために,著者らはマルチビュー対相関(MVPR)学習に基づく確率的フレームワークを提案した。筆者らのフレームワークはスケッチと3D形状の間の中間層として3D形状の複数ビューを含み,スケッチと展望間のペアごと関係を推論する形式に元の検索問題を変換する。新しいMVPRネットによるペアワイズ関係推論,自動スケッチと複数ビュー間の組ごとの関係を予測し,互いに融合して,3D形状の最良の視点を選択する徹底的から我々を解放を達成する。も微調整訓練済みネットワークによるスケッチと展望のためのロバストな特徴を学習するために提案した。大データセット上での包括的実験を行い,提案した方法が最先端の手法を凌ぐことができることを実証した。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： マッチング ,  インターネット ,  ロバスト性 ,  不変性 ,  *学習 ,  ネットワーク
準シソーラス用語： *スケッチ ,  中間層 ,  ユーザフレンドリ性 ,  *三次元形状 ,  *関係学習 ,  *マルチビュー , 【Automatic Indexing@JST】

分類 (2件)： ロボットの運動・制御  (IC04012J) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： スケッチ ,  3D形状検索 ,  マルチビュー ,  関係学習