| 研究課題/領域番号 |
18K11313
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分60080:データベース関連
|
|---|
| 研究機関 | 山梨大学 |
|---|
研究代表者 |
大渕 竜太郎 山梨大学, 大学院総合研究部, 教授 (80313782)
|
|---|
| 研究分担者 |
古屋 貴彦 山梨大学, 大学院総合研究部, 助教 (00770835)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2020年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2019年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2018年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
|
|---|
| キーワード | マルチメディア検索 / 3次元点群データ解析 / 3次元形状類似比較 / ディープラーニング / 教師無し学習 / deep neural network / 3次元部分形状検索 / 3次元形状解析 / 3次元形状検索 / 3D形状比較 / 深層学習 / 3次元形状領域分割 / 部分3D形状比較 / 3D形状識別 / 3D形状領域分割 / 深層ニューラルネットワーク / 部分3次元形状比較 / 3次元形状のラベル付け / スケッチ検索 / データ拡張 / 3D shape retrieval / 3D shape recognition / multimedia retrieval / machine learning / computer vision |
|---|
| 研究成果の概要 |
3D形状を，形状の詳細を指定して，使いやすく，効率よく，高精度に検索する手法の研究を行った．研究の中心は，(1) 意味のある部分形状の領域分割，部分形状と全体形状との高効率な相互比較，教師なし学習による形状特徴量抽出器の獲得，(2) スケッチやテキスト（キーワード）などの多様なクエリを用いて3D形状の詳細を指定した検索を行うための検索要求提示およびかじ取り手法，の2領域である．ディープニューラルネットワーク（DNN）を用いた教師ありおよび教師なし学習を駆使し，3D形状特徴抽出，異種特徴間（描きかけ2Dスケッチと3D点群，等）の対応付け,部分と全体の連想と形状類似比較，などの課題を解決した．
|
| 研究成果の学術的意義や社会的意義 |
2D画像やテキストに対する識別，検索などの処理の研究は深層ニューラルネットワーク（DNN）などの機械学習技術の追い風を受けて急速に進んでいる．一方，機械設計，映像コンテンツ制作，考古学，創薬など幅広い分野において3D形状の解析，比較，検索の技術が求められているがその技術は確立されていない．本研究では目標を「部分形状を検索要求とし，大量の3D（全体）形状の中から，検索要求と類似する形状を部分として持つ3D（全体）形状を，必要に応じてその詳細形状を指定しつつ高精度かつ高速に検索する」3D形状部分詳細形状検索技術に定め，その実現に必要な複数の要素技術について検討を行った．
|
