| 研究課題/領域番号 |
21F20075
|
|---|
| 研究種目 |
特別研究員奨励費
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 外国 |
|---|
| 審査区分 |
小区分61020:ヒューマンインタフェースおよびインタラクション関連
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
五十嵐 健夫 東京大学, 大学院情報理工学系研究科, 教授 (80345123)
|
|---|
| 研究分担者 |
SHEN I-CHAO 東京大学, 情報理工学(系)研究科, 外国人特別研究員
|
|---|
| 研究期間 (年度) |
2021-04-28 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
2,300千円 (直接経費: 2,300千円)
2022年度: 1,100千円 (直接経費: 1,100千円)
2021年度: 1,200千円 (直接経費: 1,200千円)
|
|---|
| キーワード | コンピューターグラフィックス / 機械学習 / コンピュータグラフィックス / 設計支援アルゴリズム |
|---|
| 研究開始時の研究の概要 |
Our research aims to solve the problem of inverse polygonal modeling, which generates a semantically-meaningful editing history given several image-based observations. We will analyze the types of editing operations used in the polygonal modeling process, and focus on designing a scoring model to infer the most likely topological operations that lead to the target image-based observations. At the same time, we also need to design a data generation process that generates useful training data for our scoring model.
|
| 研究実績の概要 |
In the past year, I have worked on seven projects and had four papers accepted.
The main theme of these projects is (1) to increase the ability of the generative model by providing user inputs and (2) to assist users in creating ML algorithms. These projects are relevant to edit nerf model and capturing nerf model, image-based shape part manipulation, indoor scene reconstruction from 360 images, and layout generation for graphic design.
In more detail, I introduce the first framework that enables users to remove unwanted objects or retouch undesired regions in a 3D scene represented by a pre-trained NeRF without any category-specific data and training. On the other hand, I proposed a novel containment-aware loss function for layout generation.
|
| 現在までの達成度 (段落) |
令和4年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
令和4年度が最終年度であるため、記入しない。
|
