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。
画像ベースの3D形状検索(IBSR)は,大きな3D形状データベースから与えられた2D画像の対応する3D形状を見つけることを目的とする。一般的ルーチンは,2D画像と3D形状を埋込み空間に写像し,形状類似性測度を定義(または学習)することである。いくつかの適応技法によるメトリック学習は,類似性学習の自然な解決策であるように見えるが,その性能は細粒形状検索のためにしばしば不満足である。本論文では,貧弱な性能の源を同定し,この問題に対する実用的な解決策を提案した。負対間の形状差は,テクスチャギャップともつれ,負の対を押し出すのに有効でないメトリック学習を生成することを見出した。この課題に取り組むために,テクスチャ合成により出力された形状焦点マルチビューメトリック学習フレームワークを開発した。3D形状モデルのためのテクスチャの合成は,ハード三重項を生成し,2D画像における豊富なテクスチャの悪影響を抑制し,それにより,ネットワークを,幾何学的特性の発見に,より集中させる。著者らのアプローチは,Pix3D[2],Stanford Cars[3],およびComp Cars[4]を含む3つの広く研究されているベンチマークと同様に,最近公開された大規模3D-FUTURE[1]リポジトリに関する最先端の性能を示した。コードは,https://github.com/3D FRONT FUTURE/IBSR textureで公的に利用できる。【JST・京大機械翻訳】