@article{oai:ipsj.ixsq.nii.ac.jp:00237300,
 author = {小林, 和輝 and 丸山, 稔 and 宮尾, 秀俊 and Kazuki, Kobayashi and Minoru, Maruyama and Hidetoshi, Miyao},
 issue = {7},
 journal = {情報処理学会論文誌},
 month = {Jul},
 note = {コンピュータビジョンの分野において画像からの3次元形状復元は重要なタスクであり，数多くの研究が行われている．これらの中で近年注目されている手法に暗黙的3次元表現の学習手法がある．これは従来手法と比較して解像度や形状表現の豊かさ等の点で優れている．暗黙的表現構築の代表的な手法の1つにDISNがある．DISNでは単一視点再構成に主眼を置いており，入力画像のカメラパラメータ推論と3次元再構成の2つのモデルを用いている．本研究ではDISNに対し，カメラパラメータ推論を必要とせずにTransformerのAttention計算で画像間の特徴を計算することで任意の視点数入力で再構成を行うモデルを提案する．ShapeNetデータセットに対して実験を行い，カメラパラメータを使用せずに複数視点入力による有効性を検証した．, Reconstructing 3D shapes from images is an important task in the computer vision, and implicit 3D reconstruction methods have attracted much attention in recent years. Compared to previous methods, implicit 3D reconstruction is superior in terms of resolution, richness of shape representation, and computational efficiency. DISN is one of a representative method for learning implicit representation. DISN focuses on single-view 3D reconstruction and uses two models: camera parameter inference and 3D reconstruction of the input image. In this paper, we propose a new model for DISN that does not require camera parameter inference, but instead computes the features between input images using the Transformer's Attention calculation. We showed experiments on the ShaneNet dataset and verified that our method can generate accurate representation from multiple images without camera parameters.},
 pages = {1162--1167},
 title = {Transformerによる複数視点画像からの暗黙的3次元表現の学習},
 volume = {65},
 year = {2024}
}