2021 Fiscal Year Annual Research Report
Reflectance Parameter Estimation in Large Outdoor Environments for Practical Graphics Production
Project/Area Number |
18K18075
|
Research Institution | The University of Tokyo |
Principal Investigator |
谷田川 達也 東京大学, 大学院工学系研究科(工学部), 助教 (50817484)
|
Project Period (FY) |
2018-04-01 – 2022-03-31
|
Keywords | 多視点ステレオ法 / 表面形状計測 / 形状補完 / ノイズ除去 / 点群位置揃え |
Outline of Annual Research Achievements |
本年は、前年までの研究結果から示唆された多視点ステレオ法を含む光学的な形状計測手法の問題点とその解決策について、深層学習の観点から検討を実施した。
第一の問題として、光学的な形状計測法は光が届かない箇所やカメラに移っていない場所の形状を計測できず、現実的には得られる形状に欠損が生じる。従来、陰関数場を用いた表面抽出法によって、このような欠損箇所がある程度補完可能であることが知られている。そこで、陰関数場の生成と、陰関数場からの表面抽出法の両方で深層学習を用いるLiaoらの深層マーチングキューブ法を、より高解像度なメッシュの取得が可能な形に拡張した。加えて、欠損やノイズを含む形状データの補正について、単一のメッシュを入力するだけで補正できる教師なし学習法の観点から新たな手法を検討した。その結果、大量の学習データを用いなくても、従来の深層学習に基づく手法に匹敵する欠損補完、ノイズ除去性能を実現できることが示唆された。
第二の問題として、多視点ステレオ法で深層学習を用いる場合には、メモリ使用量の制約から、入力画像の枚数を少なくすることが望ましい。よって大規模なシーンでは、画像のサブセットから得られる部分点群を後処理で位置合わせする必要が生じる。現在、点群位置合わせについても深層学習による精度向上が多くの研究で確認されている。その一方、それらの多くはメモリの使用量が過多であったり、計算過程が比較的単純なものに限定されている。この問題について、深層学習に基づく手法の中では比較的メモリ使用量の少ないガウス混合モデルを用いる手法の拡張、ならびに、以前より有効と考えられている点と表面の間の距離を最小化する点群位置揃え手法の深層学習化について検討した。これらの両方について、一定の精度向上は確認できており、今後は、より広範な使用条件における精度向目指していきたい。
|
Research Products
(10 results)