文献

J-GLOBAL ID：202202273261285175   整理番号：22A1062610

3D印刷物からの電子透かし抽出のための合成データ生成【JST・京大機械翻訳】

Synthetic data generation for watermark extraction from 3D printed objects

著者 (3件)： Zhang Xin (Computer Science, Surrey University, UK) ,  Jia Ning (Durham University, UK) ,  Ivrissimtzis Ioannis (Computer Science, Durham University, UK)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICIGP 2022  ページ： 317-325  発行年： 2022年 
JST資料番号： D0698C  資料種別： 会議録 (C)
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： 深層ニューラルネットワークを訓練するためのコンピュータ生成画像の使用は,後者が不足または高価である場合,実画像に対する実行可能な代替である。本論文では,3D印刷物体からの電子透かし検索のタスクのための訓練データの生成における様々なレンダリング技術の有効性を研究した。8つの訓練セット(それぞれ異なる照明環境を有するもの)を作成し,3つの異なるネットワークアーキテクチャ,ResNet,U-Net,および著者らが開発した複合アーキテクチャについてテストした。テストセットは,訓練セットを生成するために使用された同じCADモデルから生成された3D印刷物体の写真から成った。その結果,照明環境の影響は,ネットワークアーキテクチャの有意性と同程度であった。また,光プローブとモデル化照明環境の両方が良好な結果を与えることを示した。光プローブの場合,光プローブの分解能と同様に,光プローブと試験環境の間の類似性に影響する2つの重要因子として特定した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 分解能 ,  *抽出 ,  画像 ,  計算機発生 ,  類似性 ,  有効性 ,  計算機アーキテクチャ ,  レンダリング ,  光プローブ ,  ネットワークアーキテクチャ ,  *電子透かし
準シソーラス用語： 訓練データ ,  CADモデル ,  *三次元印刷 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (6件)： 3D印刷 ,  深層ニューラルネットワーク ,  光プローブ ,  照明環境 ,  合成画像生成 ,  電子透かし

分類 (3件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 3D印刷 ,  電子透かし ,  合成データ