文献

J-GLOBAL ID：202102235140867719   整理番号：21A0152642

合成データによる機械学習 実時間における画像拡張現実マーカを学習し分類するための新しい方法【JST・京大機械翻訳】

Machine Learning with Synthetic Data - a New Way to Learn and Classify the Pictorial Augmented Reality Markers in Real-Time

著者 (3件)： Le Huy (Auckland University of Technology,School of Engineering, Computer & Mathematical Sciences) ,  Nguyen Minh (Auckland University of Technology,School of Engineering, Computer & Mathematical Sciences) ,  Yan Wei Qi (Auckland University of Technology,School of Engineering, Computer & Mathematical Sciences)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IVCNZ  ページ： 1-6  発行年： 2020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： Augmented Reality(AR)のアイデアは60年代初期に出現し,それは最近大量の公衆の注目を受けた。ARは,リアルタイムで仮想的および物理的の両方で,世界中の世界との作業,学習,プレイ,および接続を可能にする。しかし,ユーザのニーズにマッチするARマーカーの採取は,異なるマーカー暗号化/解読法と必須要件のために最も挑戦的なタスクの1つである。バーコードARカードは高速で効率的であるが,それらは多くの視覚情報を含まない。一方,絵画色ARカードは遅く,信頼できない。本論文では,機械学習の利益と合成データ生成技術の電力を適用することにより,実時間で検出可能な任意の絵画/色ARカードを得るための解決策を提案した。この技術は,深層学習の大規模訓練データセットを構築するとき,手動注釈の労働集約タスクの課題を解決する。従って,AR増強ターゲット図形(各有色カードに対して数)の入力が少ないため,合成データ生成プロセスは,コンピュータグラフィックレンダリング技法(ちょうど1画像から数千)を用いて,深層学習訓練可能データセットを生成する。第2に,生成されたデータセットは,次に,AR標識追跡機能として作用する選ばれた物体認識畳込みニューラルネットワークで訓練される。提案したアイデアは,元のコンテンツ(選択されたARカードの)を修正することなく,効果的に機能した。合成データ生成技術を用いることの利点は,ARマーカー認識精度を改善し,マーカー登録時間を減らすことを助ける。訓練されたモデルは,GPU加速なしで,約25フレームでビデオシーケンスを処理でき,モバイル/ウェブプラットフォーム上のAR経験に適している。教育やゲームのような多くの分野で有望な低コストARアプローチであると考える。Copyright 2021 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： ゲーム ,  電力 ,  物体認識 ,  バーコード ,  暗号 ,  携帯電話 ,  *機械学習 ,  アノテーション ,  コンテンツ ,  *拡張現実感
準シソーラス用語： 訓練データ ,  ビデオシーケンス ,  視覚情報 ,  深層学習 ,  畳込みニューラルネットワーク , 【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 (7件)： 合成データ ,  機械学習 ,  実時間 ,  拡張現実 ,  マーカ ,  学習 ,  分類