文献

J-GLOBAL ID：201902289473410574   整理番号：19A1193442

細粒度オブジェクトカテゴリーのための3D姿勢推定【JST・京大機械翻訳】

3D Pose Estimation for Fine-Grained Object Categories

著者 (7件)： Wang Yaming (University of Maryland, College Park, MD, USA) ,  Tan Xiao (Baidu, Inc., Beijing, China) ,  Yang Yi (Baidu, Inc., Beijing, China) ,  Liu Xiao (Baidu, Inc., Beijing, China) ,  Ding Errui (Baidu, Inc., Beijing, China) ,  Zhou Feng (Baidu, Inc., Beijing, China) ,  Davis Larry S. (University of Maryland, College Park, MD, USA)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11129  ページ： 619-632  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 既存のオブジェクト姿勢推定データセットは,一般的オブジェクトタイプに関連しており,これまで,細粒オブジェクトカテゴリに対するデータセットは存在しない。本研究において,著者らは,最近,2Dおよび3D細粒データの両方の利用可能性により,細粒物体に対するベンチマーク姿勢推定に対する新しい大規模データセットを導入した。具体的には,3D姿勢を持つ画像において,各サブカテゴリに対する細粒3D CADモデルを見出し,各オブジェクトを人手で注釈付けすることにより,2つの一般的な細粒認識データセット(StanfordCarsとComCars)を拡張した。十分な訓練データを用いて,連続パラメータを有する完全な視点モデルを,2D外観情報のみを用いて推定できることを示した。著者らは,Fast/Mask R-CNNに基づくフレームワークを通してこれを達成した。これはカテゴリーレベル姿勢推定に関する以前の研究を超えており,それは離散的/連続的視点角度を推定するだけであるか,またはキーポイントの助けを借りてしばしば回転行列を回復させる。さらに,利用可能な細粒3Dモデルを用いて,著者らは,性能をさらに向上させるために,CNNベースの姿勢推定フレームワークに位置場と呼ばれる密な3D表現を組み込んだ。新しいデータセットは,www.umiacs.umd.edu/WYM/3dposse.htmlで利用可能である。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *三次元 ,  二次元 ,  ベンチマーク ,  画像 ,  三次元モデル
準シソーラス用語： 回転行列 ,  訓練データ ,  三次元CAD ,  大規模データセット ,  *姿勢推定 ,  細粒度 , 【Automatic Indexing@JST】

分類 (4件)： その他の情報処理  (JE15050M) ,  図形・画像処理一般  (JE04010I) ,  計算機システム開発  (JD02010R) ,  図書館機械化  (AC09020N)

タイトルに関連する用語 (5件)： 細粒度 ,  オブジェクト ,  カテゴリー ,  3D ,  姿勢推定