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。
3D高密度キャプテーションは最近提案された新しいタスクであり,点雲は2D対応物より幾何学的情報を含む。しかし,点雲に含まれるオブジェクト間関係の高い複雑性とより広い多様性により,より挑戦的である。既存の方法は,特にそれらを符号化することなくグラフにおけるオブジェクト特徴学習の副産物としてそのような関係を扱うだけで,準最適結果をもたらす。本論文では,3Dシーンにおける複雑な関係の捕捉と利用による3D高密度キャプテーションの改善を目的として,より記述的で包括的なキャプションの生成をサポートするために,Multi-Order RElationマイニングモデルであるMOREを提案した。技術的に,このMOREは,複雑な関係が限られた数の塩基性から推論されるので,漸進的な方法でオブジェクト関係を符号化する。最初に,3D物体提案上に構築されたグラフのエッジとしていくつかの一次関係を意味的に符号化する,新しい空間レイアウトグラフ畳込み(SLGC)を考案した。次に,得られたグラフから,基本ユニットとして基本的な一次関係をカプセル化する複数の三重項を抽出し,各ターゲットオブジェクトに対する多重次数関係を推論するために,いくつかのオブジェクト中心三重点注意グラフ(OTAG)を構築した。OTAGから更新されたノード特徴を集約し,豊富な関係手がかりを提供するためにキャプション復号器に供給し,コンテキストオブジェクトとの多様な関係を含むキャップを生成できる。Scan2Capデータセットに関する広範な実験は,提案したMOREとその成分の有効性を証明し,また,現在の最先端の方法より優れている。このコードはhttps://github.com/SxJyJay/MOREで利用可能である。【JST・京大機械翻訳】