文献

J-GLOBAL ID：202202234734684041   整理番号：22A0554730

マルチモーダル変分オートエンコーダを用いた任意時間3Dオブジェクト再構成【JST・京大機械翻訳】

Anytime 3D Object Reconstruction Using Multi-Modal Variational Autoencoder

著者 (2件)： Yu Hyeonwoo (School of Electrical and Computer Engineering, Ulsan National Institute of Science and Technology (UNIST), Ulsan, South Korea) ,  Oh Jean (Robotics Institute, Carnegie Mellon University, Pittsburgh, PA, USA)
資料名： IEEE Robotics and Automation Letters  (IEEE Robotics and Automation Letters)
巻： 7  号： 2  ページ： 2162-2169  発行年： 2022年 
JST資料番号： W2448A  ISSN： 2377-3766  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： 効果的な人間-ロボットチーム化のために,ロボットが人間オペレータと視覚認識を共有できることが重要である。厳しい遠隔協調設定において,オートエンコーダのようなデータ圧縮技術を利用して,コンパクト形式における潜在変数に関してデータを取得および送信することができた。さらに,不安定な環境下でも実時間実行時間性能を確保するために,不完全情報から全コンテンツを再構成できる任意の時間推定アプローチが望まれる。この文脈において,要素が部分的に失われる潜在変数を補完する方法を提案した。変数の数次元だけの時間特性を達成するためには,カテゴリーレベルの事前情報を利用することが重要である。各訓練データポイントのラベルに関係なく,変分オートエンコーダで使用された事前分布は,単に等方性Gaussであると仮定した。このタイプの平坦化は,カテゴリレベル分布から帰属を行うのを困難にする。この限界を,潜在空間におけるカテゴリ特異的マルチモーダル事前分布を利用して克服した。部分転送データの欠測要素を,残りの要素に従って特定のモードを見つけることによって,サンプリングすることができた。この方法は,任意の時間推定のために部分要素を使用するように設計されるので,それはまた,データ過剰圧縮に適用できる。ModelNetとPascal3Dデータセットに関する実験に基づいて,提案した方式は,70%のデータ損失までの自動エンコーダと変分オートエンコーダに対して一貫して優れた性能を示した。ソフトウェアはオープンソースであり,著者らのリポジトリ1から利用可能である。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： *変分法 ,  オペレータ ,  ロボット ,  変数 ,  *符号器 ,  視認 ,  ソフトウェア ,  データ圧縮 ,  *多モード ,  *三次元 ,  コンテンツ ,  リポジトリ
準シソーラス用語： 訓練データ ,  事前知識 ,  オープンソース , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： マルチモーダル ,  変分オートエンコーダ ,  3D ,  オブジェクト ,  再構成