3D形状編集のための意味パラメータを推論するための学習【JST・京大機械翻訳】

Wei Fangyin; Sizikova Elena; Sud Avneesh; Rusinkiewicz Szymon; Funkhouser Thomas

プレプリント

J-GLOBAL ID：202202205605969963 整理番号：22P0208227

3D形状編集のための意味パラメータを推論するための学習【JST・京大機械翻訳】

Learning to Infer Semantic Parameters for 3D Shape Editing

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2020年11月09日プレプリントサーバーでの情報更新日： 2020年11月09日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

3D形状設計および増強における多くのアプリケーションは,できるだけ既存の詳細として保存しながら,オブジェクトの意味パラメータ(例えば,人間の腕の姿勢または飛行機の翼の長さ)に特定の編集を行う能力を必要とする。入力形状の意味パラメータを推論する深層ネットワークを学習し,次にユーザがそれらのパラメータを操作することを可能にする。ネットワークを,補助合成テンプレートとラベルなし現実的モデルから形状上で一緒に訓練し,形状変動に対するロバスト性を保証し,一方,現実的事例をラベル付けする必要性を緩和した。テスト時間において,パラメータ空間駆動変形内の編集は,元の形状に適用されるように変形し,それは,詳細を保存しながら意味的に平均的な操作を提供する。これは,限られた潜在空間次元を持つオートエンコーダを使用する以前の方法とは対照的に,任意の詳細を保存することに失敗し,あるいはケージのような純粋に幾何学的な制御で変形を駆動し,局所部分領域を更新する能力を失う。椅子,飛行機,および人体のデータセットを用いた実験は,著者らの方法が事前の仕事より自然な編集を生成することを示した。【JST・京大機械翻訳】

, , , , , , , ,
, , 【Automatic Indexing@JST】

図形・画像処理一般 , パターン認識

, , , , ,

前のページに戻る