文献

J-GLOBAL ID：202202233032943019   整理番号：22A0832990

点への3Dプリミティブの教師なし再帰的ディープフィッティング【JST・京大機械翻訳】

Unsupervised recursive deep fitting of 3D primitives to points

著者 (2件)： Saporta Tsahi (Ben Gurion University, Israel) ,  Sharf Andrei (Ben Gurion University, Israel)
資料名： Computers & Graphics  (Computers & Graphics)
巻： 102  ページ： 289-299  発行年： 2022年 
JST資料番号： D0525B  ISSN： 0097-8493  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 高レベル幾何学的プリミティブを有する3Dポイントクラウドの再構成は,この表現のコンパクト性と有効性のために非常に望ましい。それにもかかわらず,マッチングプリミティブを有する3D点集合を正しく当てはめることは,この問題の高いコンビナトリアル性のために挑戦的である。教師なし方式で幾何学的プリミティブで3Dポイントにフィットする学習を学習する再帰的ニューラルネットワークアーキテクチャを導入した。このコアアイデアは,ニューラルネットワークアーキテクチャにおける再帰層を利用するプリミティブフィッティングのコンビナトリアル複雑性を分割し,統治することである。再帰性を通して,ネットワーク層は,異なる形状スケールに焦点を合わせ,そして,粗から細かい方法でプリミティブに適合する。即ち,初期再帰層は粗い領域に対して解決し,大きなプリミティブをフィッティングし,一方,後期層は残りの微細スケール領域に対して解決し,より小さなプリミティブを当てはめた。ネットワークモデルは,累積大域的損失を最小化するために互いに協調する再帰層として大域的解を保証する。精度,ロバスト性および性能に関して著者らのアプローチを検証する実験を示した。また,この方法の利点を実証するために最先端技術と比較した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 再構成 ,  形態 ,  モデル ,  コンパクト性 ,  *三次元 ,  有効性 ,  ロバスト性 ,  再帰性
準シソーラス用語： 点集合 ,  ネットワークモデル ,  ネットワーク層 ,  複雑性 ,  ニューラルネットワークアーキテクチャ ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： 3Dモデリング ,  フィッティング ,  深層学習

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 点 ,  3D ,  教師