@techreport{oai:ipsj.ixsq.nii.ac.jp:00040964,
 author = {メヒルダドパナヒプルテヘラニ and 石川, 彰夫 and 酒澤, 茂之 and 小池, 淳 and Mehrdad, PanahpourTehrani and Akio, Ishikawa and Shigeyuki, Sakazawa and Atsushi, Koike},
 issue = {124(2008-AVM-063)},
 month = {Dec},
 note = {本研究では､視差マップからの 3D モデル生成の問題に取り組む｡まず､不正確な 3D モデルを与えて、密な多視点画像を生成する。各ペア間の視差マップはステレオマッチングアルゴリズムを用いて評価する。次に、視差マップを奥行き候補として空間へ射影する。ここで、地面からの候補の各レイヤについて奥行き候補にカーネル・クラシファイアを適用する。そして、さらなる微調整処理のためにより可能性の高い候補を選択する。微調整ステップでは、地面からの各レイヤの中の被写体の境界の最適な位置をダイナミック・プログラミングを用いて決定する。最終的に、 3D モデルを生成する。生成された 3D モデルを用いて、密な多視点画像および視差マップを再生成する。生成される 3D モデルの変化が小さくなるまで、同じ処理を複数回反復して行う。実験の結果、少数の反復で、開始時の 3D モデルと比較して 3D モデルの質が高くなっていることが示された。, In this research, we address the problem of 3-D model generation from disparity maps. Given an inaccurate 3-D model, dense multiview images are generated. Disparity maps between each pair are estimated using stereo matching algorithm. The disparity maps are projected into space as depth candidates. The kernel classifier is applied to the depth candidates for each layer of candidates from ground, and the candidates with higher probability values are selected for further fine-tuning process. In fine-tuning step, the best location of the border of the objects in each layer from ground is determined using dynamic programming. Finally the 3-D model is generated. Using the generated 3-D model, we regenerate the dense multiview images and disparity maps. We perform the same process for several iterations until the changes in the generated 3-D model are small. Experimental result shows we can eventually enhance the quality of the 3-D model within a few iterations in comparison with the starting 3-D model.},
 title = {視差マップを用いた3Dモデルの反復生成アプローチ},
 year = {2008}
}