文献

J-GLOBAL ID：202002216964228908   整理番号：20A1865335

PVNet 3D形状認識のためのポイントクラウドとマルチビューの結合畳込みネットワーク【JST・京大機械翻訳】

PVNet A Joint Convolutional Network of Point Cloud and Multi-View for 3D Shape Recognition

著者 (4件)： You Haoxuan (Tsinghua University, Beijing, China) ,  Feng Yifan (Xiamen University, Xiamen, China) ,  Ji Rongrong (Xiamen University, Xiamen, China) ,  Gao Yue (Tsinghua University, Beijing, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： MM ’18  ページ： 1310-1318  発行年： 2018年 
JST資料番号： D0698C  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物体認識は,マルチメディアとコンピュータビジョンの分野で幅広い研究注目を引きつけた。深層学習の最近の増殖により,異なる表現を有する様々な深いモデルは最先端の性能を達成した。それらの中で,ポイントクラウドとマルチビューベースの3D形状表現は最近有望であり,それらの対応する深いモデルは3D形状認識に関して顕著な性能を示した。しかしながら,3D形状表現のための点雲データとマルチビューデータに集中する努力はほとんどなく,それは,著者らの考察において,有益で,互いに補償されている。本論文では,点-ビューネットワーク(PVNet)を提案し,第1のフレームワークは,点クラウドとマルチビューデータを共同3D形状認識に向けて統合する。より具体的には,点雲データから異なる構造特徴の固有相関と識別可能性をモデル化するために,マルチビューデータから高レベル特徴を採用する埋込み注意融合方式を提案した。特に,3D形状の構造特徴をさらに精密化するためのソフト注意マスクとして,識別記述を定量化し,利用した。3D形状分類と検索タスクのためのModelNet40データセット上で提案した方法を評価した。実験結果と最新の方法との比較は,著者らのフレームワークが優れた性能を達成できることを証明した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *畳込み ,  *ネットワーク ,  精密化 ,  コンピュータビジョン ,  *三次元 ,  構造特性 ,  マルチメディア
準シソーラス用語： *形状認識 ,  *三次元形状 ,  *マルチビュー ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 3d形状認識 ,  マルチビュー ,  ポイントクラウド ,  ポイントビューネット

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 3D形状 ,  ポイント ,  クラウド ,  マルチビュー ,  畳込み