文献

J-GLOBAL ID：202202283238597406   整理番号：22A1155707

GANと遅延学習を用いた輪郭スケッチからの3D自動車形状復元【JST・京大機械翻訳】

3D car shape reconstruction from a contour sketch using GAN and lazy learning

著者 (6件)： Nozawa Naoki (Department of Pure and Applied Physics, Waseda University, Tokyo, Japan) ,  Shum Hubert P. H. (Department of Computer and Information Sciences, Northumbria University, Newcastle upon Tyne, UK) ,  Shum Hubert P. H. (Department of Computer Science, Durham University, Durham, UK) ,  Feng Qi (Department of Pure and Applied Physics, Waseda University, Tokyo, Japan) ,  Ho Edmond S. L. (Department of Computer and Information Sciences, Northumbria University, Newcastle upon Tyne, UK) ,  Morishima Shigeo (Waseda Research Institute for Science and Engineering, Waseda University, Tokyo, Japan)
資料名： Visual Computer  (Visual Computer)
巻： 38  号： 4  ページ： 1317-1330  発行年： 2022年 
JST資料番号： T0285A  ISSN： 0178-2789  CODEN： VICOE5  資料種別： 逐次刊行物 (A)
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： 3D自動車モデルは,コンピュータゲーム,視覚効果,および自動車設計において,非常に使用される。その結果,最小労働コストでそのようなモデルを生産することはますます重要になっている。課題に取り組むために,単一スケッチ画像を用いて3D車を再構成する新しいシステムを提案した。システムは,3D自動車モデルとその対応する2D輪郭スケッチとセグメンテーションマスクの合成データベースから学習し,最小データ収集コストで効果的な訓練を可能にした。システムのコアは,生成敵対ネットワーク(GAN)とラザイ学習の使用を組み合わせた機械学習パイプラインである。深層学習法であるGANは複雑なデータ分布をモデリングでき,多様な自動車の効果的なモデリングを可能にする。その主要な弱点は,グローバル方法として,局所領域における微細詳細のモデリングは挑戦的である。Lazy学習は,関連するデータサンプルで局所部分空間を生成することによって,局所特徴を保存するためによく機能する。GANとラザイ学習の組み合わせ使用は高品質結果を生産でき,複雑な局所特徴を持つ異なるタイプの自動車が単一スケッチで効果的に生成されることを示した。この方法は,変分オートエンコーダのような他の機械学習構造を用いて既存のものより優れている。Copyright The Author(s) 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 変分法 ,  *学習 ,  *自動車 ,  セグメンテーション ,  データベース ,  ネットワーク ,  モデリング ,  画像 ,  二次元 ,  *三次元 ,  データ収集 ,  機械学習
準シソーラス用語： コンピュータゲーム ,  部分空間 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： 生成敵対ネットワーク ,  遅延学習 ,  3D再構成 ,  スケッチベースのインタフェイス ,  自動車 ,  輪郭スケッチ

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人間機械系  (IB03000G)

タイトルに関連する用語 (8件)： GaN ,  遅延 ,  学習 ,  輪郭 ,  スケッチ ,  3D ,  自動車 ,  形状復元