文献

J-GLOBAL ID：202002268385429483   整理番号：20A0817795

3SGaN:3D形状埋め込み型生成敵対ネットワーク【JST・京大機械翻訳】

3SGAN: 3D Shape Embedded Generative Adversarial Networks

著者 (4件)： Che Fengdi (Mcgill University) ,  Zhu Xiru (Mcgill University) ,  Yang Tianzi (Mcgill University) ,  Yu Tzu-Yang (Mcgill University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICCVW  ページ： 3305-3314  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： 画像生成のための一般的適応モデル(GAN)における最近の進歩にもかかわらず,境界と空間構造の生成に関して有意なギャップが残っている。本論文では,この問題を解決するために,RGB画像と結合したエッジおよび深さ情報を生成する新しいアプローチを提案した。より具体的には,2つの新しい正則化モデルを提案した。著者らの最初のモデルは,深さの二次導関数とRGBマップの一次導関数を制御することにより,画像深さエッジアラインメントを強制し,滑らかさと一貫性を強化する。第二のモデルは,オブジェクトの条件的に生成された視点と比較して,期待される回転物体の間の差を計算することにより,RGBと深さを正規化するために多視点合成を活用する。強制射影整合性は,モデルが空間構造と深さを直接学習することを可能にする。この手法を評価するために,ShapeNetモデルからエッジ輪郭を持つRGB-Dデータセットを生成した。さらに,既存のRGB-Dデータセット,NYU Depth V2を,Holisticallyに入れられたエッジ検出モデルにより学習されたエッジを用いて利用した。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： 回転物体 ,  学習 ,  正規化 ,  画像合成 ,  立体構造 ,  正則化 ,  導関数 ,  平滑度 ,  *ネットワーク ,  射影 ,  エッジ検出 ,  アラインメント
準シソーラス用語： RGB-D ,  *三次元形状 , 【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 (3件)： 3D形状 ,  埋め込み ,  敵対