@techreport{oai:ipsj.ixsq.nii.ac.jp:00113299,
 author = {佐藤, 信 and Makoto, Satoh},
 issue = {4},
 month = {Feb},
 note = {形状表現の学習による低次元写像を用いた既提案の形状補間手法を，低次元空間での写像点が複数の形状どうしの特徴の関連を表現するように拡張する．提案では，パラメトリック tSNE(PtSNE) と CRBM によりディープオートエンコーダ (DAE) を構成する．PtSNE を用いて，低次元空間において形状表現の関連を表現するように DAE のパラメータを微調整し，CRBM を用いて，デコードする補間形状の微調整をおこなう．, This paper presents an extension of the proposed shape interpolation method with low-dimensional mapping using shape representation learning. The proposed method is so extended that the low-dimensional mapped points represent the feature of interpolated shapes. In the method, deep autoencoders (DAE) are constructed using parametric tSNE (PtSNE) and CRBM. The parameters of DAE are so finetuned using PtSNE that mapped points represent the relation of the shape representation in the low-dimensional mapping space, and the interpolated shapes, decoded with DAE, are finetuned using CRBM.},
 title = {低次元形状空間を用いた形状補間のためのディープオートエンコーダの微調整},
 year = {2015}
}