文献

J-GLOBAL ID：202002260890394802   整理番号：20A0833386

マルチタスク計量学習による3Dインスタンスセグメンテーション【JST・京大機械翻訳】

3D Instance Segmentation via Multi-Task Metric Learning

著者 (4件)： Lahoud Jean (KAUST) ,  Ghanem Bernard (KAUST) ,  Oswald Martin R. (ETH Zurich) ,  Pollefeys Marc (ETH Zurich / Microsoft)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICCV  ページ： 9255-9265  発行年： 2019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： 高密度3Dボクセル格子のインスタンスラベルセグメンテーションのための新しい方法を提案した。著者らは,深さセンサまたはマルチビューステレオ法で得られた体積シーン表現を目標とし,意味3D再構成またはシーン完了法で処理した。主なタスクは,それらを正確に分離するために個々のオブジェクトインスタンスに関する形状情報を学習することである。著者らは,マルチタスク学習戦略によって3D瞬間ラベリング問題を解決した。最初の目標は,互いに異なるインスタンスラベルを持つクラスタを分離しながら,互いに近い同じインスタンスラベルを持つボクセルをグループ化する抽象的特徴埋め込みを学習することである。第二の目標は,各ボクセルに対するインスタンスの重心の方向情報を密に推定することにより,インスタンス情報を学習することである。これは,クラスタ化後処理段階におけるインスタンス境界の発見,ならびに最初の目標に対するセグメンテーション品質の評価に特に有用である。合成と実世界の両方の実験により,本手法の実行可能性と長所を実証した。実際に,それはScanNet 3Dインスタンスセグメンテーションベンチマークに関して最先端の性能を達成した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： クラスタ ,  後処理 ,  *三次元 ,  ボクセル ,  センサ ,  重心 ,  *学習 ,  *セグメンテーション ,  クラスタ化
準シソーラス用語： マルチタスク学習 ,  3D画像再構成 ,  高密度 ,  *マルチタスク , 【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 (6件)： マルチタスク ,  計量 ,  学習 ,  3D ,  インスタンス ,  セグメンテーション