| Item type |
SIG Technical Reports(1) |
| 公開日 |
2023-06-08 |
| タイトル |
|
|
タイトル |
深層学習を用いた3次元形状復元のための点群選択手法 |
| タイトル |
|
|
言語 |
en |
|
タイトル |
Point Cloud Selection Method for 3D Shape Reconstruction with Deep Learning |
| 言語 |
|
|
言語 |
jpn |
| 資源タイプ |
|
|
資源タイプ識別子 |
http://purl.org/coar/resource_type/c_18gh |
|
資源タイプ |
technical report |
| 著者所属 |
|
|
|
株式会社KDDI総合研究所 |
| 著者所属 |
|
|
|
株式会社KDDI総合研究所 |
| 著者所属(英) |
|
|
|
en |
|
|
KDDI Research, Inc. |
| 著者所属(英) |
|
|
|
en |
|
|
KDDI Research, Inc. |
| 著者名 |
松﨑, 康平
野中, 敬介
|
| 著者名(英) |
Kohei, Matsuzaki
Keisuke, Nonaka
|
| 論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
深層学習モデルを用いて点群から物体の 3 次元形状を復元する手法が研究されている.モデルを訓練する際には,点群の点数が多いほど GPU のメモリ使用量が大きくなるため,大量の点を処理する場合にはメモリ不足に陥る恐れがある.この課題に対処するために,本稿ではモデルの訓練に使用する点群を選択する手法を提案する.提案手法では,点群選択のためのモデルと 3 次元形状復元のためのモデルを同時に訓練する.これにより,3 次元形状復元に適した点群選択モデルを訓練することができ,点数を減らしても復元精度を維持することができる.評価実験では,提案手法によりメモリ使用量の増加を抑制しつつ高精度な 3 次元復元を実現するモデルを訓練可能であることを確認した. |
| 書誌レコードID |
|
|
収録物識別子タイプ |
NCID |
|
収録物識別子 |
AN10438399 |
| 書誌情報 |
研究報告オーディオビジュアル複合情報処理(AVM)
巻 2023-AVM-121,
号 15,
p. 1-4,
発行日 2023-06-08
|
| ISSN |
|
|
収録物識別子タイプ |
ISSN |
|
収録物識別子 |
2188-8582 |
| Notice |
|
|
|
SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc. |
| 出版者 |
|
|
言語 |
ja |
|
出版者 |
情報処理学会 |