文献

J-GLOBAL ID：202202238877994120   整理番号：22A1053355

画像変圧器を用いたマルチビュー3D形状推定のための深層学習アーキテクチャの設計【JST・京大機械翻訳】

Designing Deep Learning Architectures for Multiview 3D Shape Estimation Using Image Transformers

著者 (2件)： Singla Kanika (Department of Computer Science and Engineering, School of Engineering & Technology, Sharda University, Greater Noida, India) ,  Astya Parmanand (Department of Computer Science and Engineering, School of Engineering & Technology, Sharda University, Greater Noida, India)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 841  ページ： 505-513  発行年： 2022年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 現実的なデータのための3D形状生成のタスクは,自律運転または3Dモデリングのような多くのリアルタイムアプリケーションのためのビルディングブロックとして機能するコンピュータビジョン,ロボット工学,およびグラフィックスのドメインにおいて対処する必要がある重要な挑戦であり,少数の2D画像から形状を推定するのは,少数の画像によって説明され得る多数の三次元形状として基本的に不良である。完全な情報がない場合,最近,深層学習を用いて,データ駆動カテゴリレベル事前のレバーグによりギャップを埋めた。本研究では,多層パーセプトロンを用いて後に復号される潜在表現に形状特徴をよりよく符号化するために,画像変圧器を用いる新しい3D形状推定ネットワークを提案した。著者らの実験は,画像変圧器がそれらの広い注意能力のために畳込みベースの符号器より良いことを示した。定性的および定量的実験を行い,形状品質および詳細に及ぼす新しいアーキテクチャの影響を実証した。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  符号化 ,  *変圧器 ,  ネットワーク ,  *画像 ,  符号器 ,  二次元 ,  コンピュータビジョン ,  *計算機アーキテクチャ ,  多層パーセプトロン ,  *機械学習
準シソーラス用語： ビルディングブロック ,  *三次元形状 ,  *形状推定 ,  *マルチビュー ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： コンピュータビジョン ,  多視点形状 ,  3D再構成 ,  形状推定 ,  多視点画像 ,  画像変成器

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 変圧器 ,  マルチビュー ,  3D形状 ,  推定 ,  深層学習 ,  アーキテクチャ ,  設計