抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】