文献

J-GLOBAL ID：202202212509124381   整理番号：22A0913520

CLN:2D画像ベース3D形状検索のためのクロスドメイン学習ネットワーク【JST・京大機械翻訳】

CLN: Cross-Domain Learning Network for 2D Image-Based 3D Shape Retrieval

著者 (5件)： Nie Weizhi (School of Electrical and Information Engineering, Tianjin University, Tianjin, China) ,  Zhao Yue (School of Electrical and Information Engineering, Tianjin University, Tianjin, China) ,  Nie Jie (College of Information Science and Engineering, Ocean University of China, Qingdao, China) ,  Liu An-An (School of Electrical and Information Engineering, Tianjin University, Tianjin, China) ,  Zhao Sicheng (Department of Electrical Engineering and Computer Sciences, University of California Berkeley, Berkeley, CA, USA)
資料名： IEEE Transactions on Circuits and Systems for Video Technology  (IEEE Transactions on Circuits and Systems for Video Technology)
巻： 32  号： 3  ページ： 992-1005  発行年： 2022年 
JST資料番号： W0321A  ISSN： 1051-8215  CODEN： ITCTEM  資料種別： 逐次刊行物 (A)
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： 2D画像に基づく3D形状の除去は,異なるドメイン間の大きなギャップのために,挑戦的な研究題目である。最近,この問題を処理するために様々なアプローチが提案されている。しかしながら,大多数の方法は,交差ドメイン検索タスクを,純粋ドメイン適応問題として標的とし,それは,アラインメントに焦点を合わせ,しかし,2D画像とそれらの対応する3D形状の間の視覚関連性を無視した。異なるドメイン間の発散を基本的に減少させるため,2D画像ベース3D形状検索タスクのための新しい交差ドメイン学習ネットワーク(CLN)を提案した。最初に,2D画像から姿勢情報を推定し,3D形状のビューレンダリングをガイドし,それらの間の発散を除くために,交差ドメインデータの視覚相関を増加させる。第2に,著者らは,データアラインメントのためのドメイン特異的特性と交差ドメイン相互作用の両方を考慮して,新しい共同学習ネットワークを導入し,それは,クラス内とインタークラスの距離を制御することによって,異なるドメイン間のギャップをさらに補償する。計量学習プロセスの後,画像と形状の弁別的記述子を,交差ドメイン検索タスクのために作り出す。提案した方法の有効性とロバスト性を証明するために,MI3DOR,SHREC’13,およびSHREC’14データセットに関する広範囲な実験を行った。実験結果は,著者らの提案した方法の優位性を実証し,最先端の方法と比較して著しい改良を達成した。Copyright 2022 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： アラインメント ,  視覚 ,  相互作用 ,  *学習 ,  *ネットワーク ,  適応 ,  形態 ,  *二次元 ,  有効性 ,  ロバスト性
準シソーラス用語： 学習過程 ,  協調学習 ,  *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 (4件)： 2D ,  3D形状検索 ,  ドメイン ,  学習