权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

教師なしで学ぶ汎用型3次元形状特徴量の開発と，少数派3次元形状の解析への応用

开发无需监督即可学习的通用 3D 形状特征，并将其应用于少数 3D 形状的分析

基本信息

批准号：
21K17763
负责人：
古屋貴彦
金额：
$ 3万
依托单位：
University of Yamanashi
依托单位国家：
日本
项目类别：
Grant-in-Aid for Early-Career Scientists
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K17763/
关键词：
3次元形状形状特徴量教師なし学習深層学習

项目摘要

本研究のねらいは，製造・医療・建築・防災等の幅広い分野で利用される多種多様な3次元形状データを効果的に解析（例：分類，比較，検索，領域分割，再構成，位置合わせ）することである．従来の教師あり深層学習による3次元形状解析は，人手によりラベル付けされた形状データが多数必要となるため，実用面で制限があった．本研究課題では，ラベル付けされたデータが不要である教師なし深層学習の枠組みで，幅広い形状種の解析に使える「汎用型」の3次元形状特徴量を獲得する技術の確立を目指す．2年目の研究実績は主に2つある．1つ目は，1年目に実施した研究の論文発表である．3次元形状データ（特に3次元点群データ）の検索または再構成に焦点を当てた2編の論文について，いずれも査読付きの国際学術論文誌に採録された．2つ目は，物体の回転に影響されない形状特徴量の教師なし深層学習に焦点を当てた研究の実施である．3次元物体とスキャナの姿勢や形状モデリングソフトウェアに依存して，3次元点群の向きは不揃いとなる．物体の向きに依らず3次元点群データを高精度に解析できることは，汎用型の3次元形状特徴量にとって必須の性質である．そこで我々は，回転不変性を持つ深層ニューラルネットワークと，これを自己蒸留の枠組みで効果的に訓練する手法を開発した．評価実験を通して，我々の開発した手法の解析精度が既存手法を大きく上回ることを実証した．本研究成果をまとめた論文は，国際論文誌へ投稿予定である．ここまでの研究を通して，本研究課題の目的である汎用型3次元形状特徴量の獲得にある程度近づいた．しかしながら，1年目と2年目の研究は3次元形状の比較，検索，再構成で評価を実施しており，これ以外のタスク（例：領域分割，位置合わせ）では未評価である．最終年度は，より多くのタスクで実験を実施することで，開発した3次元形状特徴量の汎用性を定量的に評価する．

In this study, we analyzed the effects of production, medical treatment, construction, disaster prevention, etc. using a variety of three-dimensional shapes (e.g., classification, comparison, search, domain segmentation, reconstruction, location combination). The teacher comes to learn deeply, the 3D shape analysis, the human hand, the shape analysis, the most necessary, the use of the surface, the limit. This research topic is aimed at establishing techniques for deep learning, analyzing the shape types of amplitude, and obtaining the 3-dimensional shape features of "universal type". 2-year research achievements are mainly aimed at 2-year research achievements. 1-year research achievements are aimed at 2-year research achievements. 1 year project implementation research paper presentation. 3 dimensional shape (Special 3D point group data) and search and reconstruction focus on the 2nd edition of the paper, including the search and payment of international academic papers collected in 2nd edition of the paper, 2nd edition of the paper, the object's return to the impact of shape characteristics of teachers, deep learning focus on the implementation of research, 3D object, the attitude of the shape of the 2nd edition of the paper, including the 2nd edition of the paper, collected in 2nd edition of the paper, 2nd edition of the paper, collected in 2nd edition of the paper, 2nd edition of the paper, collected in 3-dimensional point group and direction. The object direction depends on the 3D point group, the high precision analysis, the universal 3D shape characteristics, the necessary properties. In this case, we will not change the nature of the return to maintain a deep level of information and training, and we will continue to develop our own methods of training. The analysis accuracy of the developed method is higher than that of the existing method. The results of this research are scheduled for submission to the International Journal. The purpose of this research is to obtain the universal three-dimensional shape feature quantity. 1 year, 2 years, 3 dimensional shape comparison, search, reconstruction, evaluation, implementation, and other aspects (e.g., domain division, position combination). The final year is to develop quantitative evaluation of the universality of three-dimensional shape features.