Project/Area Number |
23K24900
|
Project/Area Number (Other) |
22H03644 (2022-2023)
|
Research Category |
Grant-in-Aid for Scientific Research (B)
|
Allocation Type | Multi-year Fund (2024) Single-year Grants (2022-2023) |
Section | 一般 |
Review Section |
Basic Section 61030:Intelligent informatics-related
|
Research Institution | Kanazawa University |
Principal Investigator |
広瀬 修 金沢大学, 生命理工学系, 准教授 (30549671)
|
Project Period (FY) |
2022-04-01 – 2026-03-31
|
Project Status |
Granted (Fiscal Year 2024)
|
Budget Amount *help |
¥17,160,000 (Direct Cost: ¥13,200,000、Indirect Cost: ¥3,960,000)
Fiscal Year 2025: ¥2,600,000 (Direct Cost: ¥2,000,000、Indirect Cost: ¥600,000)
Fiscal Year 2024: ¥2,600,000 (Direct Cost: ¥2,000,000、Indirect Cost: ¥600,000)
Fiscal Year 2023: ¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2022: ¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000)
|
Keywords | 形状合成 / 形状位置合わせ / ベイズ推定 / 高速計算 / 形状データ解析 / 対応点推定 / ベイズ統計 / 形状解析 / 測地線カーネル |
Outline of Research at the Start |
現在,形状の位置合わせを経由して類似形状から新たな形状を合成するための手法を開発している.本提案では,形状自動合成の課題にさらに踏み込み,任意の3次元形状を精密かつ高速に作成することがどこまで可能であるかについて,実際の形状合成アルゴリズムの開発を通して明らかにすることを目指す.
|
Outline of Annual Research Achievements |
3D アニメーションのための3次元形状制作支援ツールとしてBlenderなどのソフトウェアが有名である.現在そのような多機能かつ高機能のソフトウェアを使ったとしても 3次元形状の制作は製作者に大変な労力を必要とする作業である.そのため,3次元形状を自動生成する方法が CG分野で盛んに研究されている.しかしながら,既存手法の多くは合成の基礎となる形状データを入力とするため3次元形状制作の初学者にとっては習得のハードルが高い.この問題を克服するため,本研究で形状データの入力を必要としない3次元形状制作自動化技術の開発を行う. 2023年度は3D形状に対する位置合わせ精度の改善を行った.これは,自身が構想する自動作成法が「形状位置合わせ」を基礎としているためである.位置合わせ精度改善の鍵となるのが「形状事前分布」の設計である.形状事前分布とは,形状の位置合わせの精度向上を目的として導入される事前知識の数理的表現である.形状の位置合わせを満足できる精度で行うためには,適切な形状事前分布の設計が必要不可欠である. 具体的には,事前分布の設計にユークリッド距離ではなく,形状表面での最短経路に当たる「測地線」の距離を用いることで形状事前分布を改善した.その内容をまとめた論文が国際誌 IEEE Transactions on Pattern Analysis and Machine Intelligence 誌に採択された.また,研究結果を社会に還元するために,現在,この研究で開発したソフトウェアおよびソースコードを自身のホームページで配布している.
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
2023年度は3D形状に対する位置合わせ精度の改善を目標とし,目標通りの結果が得られた.また,その内容をまとめた論文が機械学習・パターン認識関連のトップジャーナルに採択された.そのため,現在までの進捗を「おおむね順調に進展している」と判断した.
|
Strategy for Future Research Activity |
2024年度は,任意の 3D 形状に対する分類と位置合わせを高精度で行うアルゴリズム開発を行う.つまり,前年度に引き続き(1)形状位置合わせ精度の改善を目指し,加えて(2)任意の3D形状を高精度で分類する手法の開発を目指す. その理由は,椅子と人間といった全く分類の異なる形状に対してはそもそも位置合わせを行うことが困難であり,それらから自然な合成形状を得ることが期待できないためである.形状を入力としてその分類を行 う手法は盛んに研究されている.本提案では,この分類に関しては PointNet++(Qi et al., 2017) などの標準的な手法を基礎として開発する.この分類作業を通して基準化できる形状の集まりを定義する.次に,分類の近い形状を対象として高精度で位置合わせを行う手法を開発する.現状では高精度での位置合わせが期待できるのは特定の分類の形状に限られ,結果として合成できる形状も限定される.そのため,様々な分類の形状に対し高精度で基準化できる手法の開発を行う.
|