2023 Fiscal Year Annual Research Report
| Project/Area Number |
22K17978
|
|---|
| Research Institution | National Institute of Information and Communications Technology |
|---|
Principal Investigator |
伊東 聖矢 国立研究開発法人情報通信研究機構, ユニバーサルコミュニケーション研究所先進的リアリティ技術総合研究室, 研究員 (30938709)
|
|---|
| Project Period (FY) |
2022-04-01 – 2024-03-31
|
| Keywords | 3Dモデリング / 概念階層 / 階層画像分類 / 深層学習 |
|---|
| Outline of Annual Research Achievements |
本年度は、1) 昨年度開発した概念階層に基づく画像分類法の改良、2) 動的物体が存在する環境におけるセマンティックモデリングの評価用データセットの構築、3) 物体の階層的パーツ分割に取り組んだ。
1.昨年度に開発した概念階層に基づく階層画像分類モデルでは、階層クラス分類と最終的なラベルの決定を別々の処理として行っていた。今年度は、階層画像分類の問題設定を再考し、多クラスランキング問題とみなすことで、階層画像分類とラベル決定を同時に学習する手法を開発した。結果として、従来と同等の分類精度を維持しつつ、ラベル決定を行うことが可能になった。
2. 従来のセマンティックモデリングにおける評価用データセットは静的な環境で作成されていた。本研究では、実世界における動的な環境を模倣し、性能評価を行うために、意味ラベルが付与された既存の静的な環境に対し、生成モデルによって生成されたさまざまな行動をとる人々を組み込んでデータセットを構築する手法を開発した。この成果は、国際ワークショップでExcellent Research Paper Awardを受賞した。
3) 物体の3次元モデルを階層的にパーツに分割する手法を開発した。本研究では、3次元モデルを特徴ベクトルに変換し、それを再帰的に分割することで得られる特徴ベクトルから、意味のあるまとまった部分形状を復元するニューラルネットワークを学習させた。これにより、3次元モデルをコンパクトな特徴ベクトルで表現することを可能にした。
研究期間全体を通じて得られた主な成果として、階層型セマンティックモデリングの基盤技術である階層画像分類法を開発し、与えられた階層情報と予測されたラベルの関係から柔軟な認識が可能かどうかを分析した。また、動的環境におけるセマンティックモデリングの評価用データセットを構築し、実世界を模した環境で評価することが可能になった。
|
