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。
2Dデータから3D意識画像合成の学習におけるGenerative Adversarial Network(GANs)の最近の進歩にもかかわらず,既存の方法は,室内レイアウトと内部の物体の大きな多様性のために,屋内シーンをモデル化できない。屋内シーンは共有固有構造を持たず,従って2D画像だけを用いることは3D形状でモデルを適切に誘導できないことを論じた。本研究では,深さを3D前に導入することにより,このギャップを埋める。他の3Dデータフォーマットと比較して,深さは畳み込みベースの生成メカニズムにより良く適合し,実際に容易にアクセスできる。特に,1つの経路が深さ生成の原因となるデュアルパス発生器を提案し,その中間特徴を外見レンダリングのための条件として他の経路に注入する。このような設計は,明示的形状情報による3D意識合成を容易化する。一方,実際のv.s.fakeドメインを区別し,与えられた入力から深さを予測するために,切り替え可能な識別器を導入した。この方法で,識別器は空間配置を考慮でき,適切な深さ条件を学習するために発電機を助言できる。広範な実験結果は,著者らのアプローチが,印象的に良い品質と3D一貫性を有する屋内シーンを合成でき,最先端の代替案を著しく凌駕することを示唆する。【JST・京大機械翻訳】