文献

J-GLOBAL ID：202202280106557808   整理番号：22A1027379

巨大Pandaビデオ画像シーケンスと3D再構成への応用【JST・京大機械翻訳】

Giant Panda Video Image Sequence and Application in 3D Reconstruction

著者 (4件)： Hu Shaoxiang (1School of Automation Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Liao Zhiwu (2School of Computer Science, Sichuan Normal University, Chengdu, China) ,  Hou Rong (3Chengdu Research Base of Giant Panda Breeding, Sichuan Key Laboratory of Conservation Biology for Endangered Wildlife, Chengdu, China) ,  Chen Peng (3Chengdu Research Base of Giant Panda Breeding, Sichuan Key Laboratory of Conservation Biology for Endangered Wildlife, Chengdu, China)
資料名： Frontiers in Physics (Web)  (Frontiers in Physics (Web))
巻： 10  ページ： 839582  発行年： 2022年 
JST資料番号： U7092A  ISSN： 2296-424X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 巨大パンダ3D再構成技術は,巨大パンダ保護の研究において重要な役割を果たす。ジャイアントパンダビデオ画像シーケンス(GPVS)の解析を通して,著者らはそれが長距離依存特性を有することを証明した。本論文では,GPVSの長距離依存特性を用いて,巨大パンダ3Dモデルを正確に再構成するアルゴリズムを提案した。最初に,アルゴリズムは,巨大なパンダの初期3Dモデルを得るために,スキン化マルチ動物線形モデル(SMAL)を使用して,単一フレーム巨大パンダ画像の3Dモデルを,形状パラメータと姿勢パラメータを制御することによって再構築した。次に,ビデオシーケンス画像間の長距離依存特性に含まれるコヒーレンス情報を用いて,3Dモデルの誤差を修正するために滑らかなエネルギー関数を構築した。この誤差を通して,巨大パンダの3D再構成結果が巨大パンダの実際の構造特性と一致するかどうかを判断できる。アルゴリズムは,低い3D再構成精度と3D再構成がオクルージョンまたは干渉によって容易に影響を受けるという問題を解決した。最後に,巨大パンダ3Dモデルの正確な再構成を実現した。Copyright 2022 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  コヒーレンス ,  数学モデル ,  再構成 ,  *録画装置 ,  画像信号 ,  パラメータ ,  構造特性 ,  オクルージョン ,  三次元モデル
準シソーラス用語： ビデオシーケンス ,  エネルギー関数 ,  *画像列 ,  線形モデル ,  長距離 ,  *3D画像再構成 ,  形状パラメータ , 【Automatic Indexing@JST】

著者キーワード (5件)： 時系列 ,  長距離依存 ,  3D再構成 ,  SMAL ,  Hurst

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  その他の熱機関  (PB03000N)

引用文献 (18件)：

• SchönbergerJL, FrahmJM. Structure-from-Motion Revisited[C]. In: IEEE Conference on Computer Vision & Pattern Recognition; 2016 Jun 27-30; Las Vegas, Nevada (2016).
• BreglerC, HertzmannA, BiermannH. Recovering Non-Rigid 3D Shape from Image Streams[C]. In: IEEE Conference on Computer Vision & Pattern Recognition; 2000 Jun 13-15; Hilton Head, SC. IEEE (2000).
• GargR, RoussosA, AgapitoL. Dense Variational Reconstruction of Non-Rigid Surfaces from Monocular Video[C]. In: IEEE Conference on Computer Vision and Pattern Recognition; 2013 Jun 23-28; NW Washington, DC. IEEE (2013).
• LiX, LiH, JooH, LiuY, SheikhY. Structure from Recurrent Motion: From Rigidity to Recurrency[J] (2018). Salt Lake City, UT: IEEE CVPR.
• LoperM, MahmoodN, RomeroJ, BlackMJ. SMPL: A Skinned Multi-Person Linear model[J]. Kobe, Japan: ACM Transactions on Graphics TOG (2015).

タイトルに関連する用語 (4件)： ビデオ画像 ,  シーケンス ,  3D再構成 ,  応用