| 研究課題/領域番号 |
21K11903
|
|---|
| 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, 准教授 (00770835)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| キーワード | 3D shape analysis / multimodal retrieval / computer vision / deep learning / self-supervised learning / feature representation / transformer |
|---|
| 研究成果の概要 |
3次元（3D）形状データは工業製品の設計，映像コンテンツの制作，道路などインフラの管理，医療画像診断，など様々な分野で用いられる．本研究の最終目標は3D形状データの効果的，効率的な管理を目的とし，言語や手書き2Dスケッチを含む複数型式の検索要求を組み合わせた統合的・探索的・反復的な部分形状検索である．この目標に向け，（1）教師無し学習ないし自己教師あり学習を用いた回転に不変な3D形状特徴の取得，(2) ノイズ，形状欠損，サンプル密度変化などに強い 3D形状の再構成や補完，ノイズの除去，の2つの部分問題について新たな手法の提案と評価を行った．
|
| 自由記述の分野 |
3次元形状データの検索と解析
|
| 研究成果の学術的意義や社会的意義 |
社会的意義は，急速に利用が広がる3D形状データの解析，検索，識別などに欠かせない形状特徴を抽出するより良い手法を提案したことである．学術的な注目点は，（1）教師無し学習ないし自己教師あり学習に基づく，(2) 3次元回転に対し一定の不変性を持つ，である．ラベル付き3D形状データはその数が少なく，また多様性も限られる．そのため，特徴の学習においてラベルが不要の教師無し学習ないし自己教師あり学習が必須である．また，3D形状特徴には3軸周りの回転への不変性を要求される場合が多い．我々が提案した[ XX]は，世界で初めて，回転不変な3D点群形状特徴の自己教師あり学習による獲得に成功した．
|
