文献

J-GLOBAL ID：201702284958400399   整理番号：17A1567784

動的3D再構成のための前Kronecker Markov【Powered by NICT】

Kronecker-Markov Prior for Dynamic 3D Reconstruction

著者 (4件)： Simon Tomas (Carnegie Mellon University, Pittsburgh, PA) ,  Valmadre Jack (University of Oxford, Oxford, United Kingdom) ,  Matthews Iain (Carnegie Mellon University, Pittsburgh, PA) ,  Sheikh Yaser (Carnegie Mellon University, Pittsburgh, PA)
資料名： IEEE Transactions on Pattern Analysis and Machine Intelligence  (IEEE Transactions on Pattern Analysis and Machine Intelligence)
巻： 39  号： 11  ページ： 2201-2214  発行年： 2017年 
JST資料番号： B0519B  ISSN： 0162-8828  CODEN： ITPIDJ  資料種別： 逐次刊行物 (A)
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： 2D画像観測からの動的3D構造を復元投影と欠測データのために高度に制約下であり,形状変形を制約するために強い前処理の使用を動機づけている。本論文では,自然な変形の時空間共分散はKroneckerパターンによって支配されることを実験的に示した。はこのパターンは,時空間自己回帰過程の極限として発生し,動的構造上の事前分布としてKronecker Markov確率場を導いたことを示した。この分布は先行技術の形状と流跡線モデルを統一し,その限界として個々のモデルを持っている。Kronecker MRFの重要な仮定は,空間時間共分散は,時間的および形状共分散の積に分離可能であり,従って,マトリックス正規分布を用いてモデル化できることである。モーションキャプチャデータの解析は,この分布は有意に自由少ないパラメータで正確な近似であることを検証した。トレースノルムを用いて,辺縁形状分布が未知の場合の単一配列から失われたデータを推定するための凸手法を提案した。単一配列に適合させ,Kronecker Markov分布は失われた3Dデータを推論で最先端レベル手法よりも性能的に優れており,さらに不確実性の共分散推定値を提供する。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： *三次元 ,  モデリング ,  共分散 ,  不確実性 ,  自己回帰モデル ,  流跡線 ,  画像 ,  正規分布
準シソーラス用語： 共分散推定 ,  三次元データ ,  確率場 ,  事前分布 ,  形状変形 ,  欠測値 ,  *3D画像再構成 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (1件)： 3D再構成