SlideShare a Scribd company logo
1 of 19
© 2018 Core Concept Technologies Inc.
3Dモデル類似検索
(株)コアコンセプト・テクノロジー
IoT/AIソリューション事業部
熊田聖也
2019/04/05
1
© 2018 Core Concept Technologies Inc.
自己紹介
2
大阪大学大学院工学研究科卒業
1996年、物性理論で博士(工学)を取得
場の量子論を用いた物性研究をしてました。
博士号取得のあと3年ほど阪大で助手を務める。
数社に勤めたあとCCTに。
仕事の変遷
1. 画像処理、動画圧縮(MPEG)、色変換
2. 画像認識(機械学習を用いた)
3. 画像認識(深層学習を用いた)
4. 機械学習・深層学習・コンピュータビジョン全般
次は、強化学習・量子情報処理かな?
https://www.iwanami.co.jp/book/b265519.html
量子機械学習?
© 2018 Core Concept Technologies Inc.
目次
3
1. 弊社製品Orizuru3Dの紹介
2. 3Dモデル類似検索とは
3. アルゴリズムの説明
4. まとめ
© 2018 Core Concept Technologies Inc.
目次
4
1. 弊社製品Orizuru3Dの紹介
2. 3Dモデル類似検索とは
3. アルゴリズムの説明
4. まとめ
© 2018 Core Concept Technologies Inc.
弊社製品Orizuru3Dの紹介
5
http://orizuru.io/product-3d/
1. CAD・点群などの3Dデータを管理
2. 数十GBに及ぶ巨大な3DデータをWebブラウザで表示
3. 類似する3Dモデルを検索
4. クラウドサービスあるいはオンプレミスとして提供
今回は、3Dモデル類似検索を紹介する。
© 2018 Core Concept Technologies Inc.
目次
6
1. 弊社製品Orizuru3Dの紹介
2. 3Dモデル類似検索とは
3. アルゴリズムの説明
4. まとめ
© 2018 Core Concept Technologies Inc.
3Dモデル類似検索とは
7
1. ユーザが3Dモデルを与える。
2. データベースにある類似モデルを返す。
3Dモデルを保存するためのフォーマット
• OFF
• STEP
• STL
など。
© 2018 Core Concept Technologies Inc.
目次
8
1. 弊社製品Orizuru3Dの紹介
2. 3Dモデル類似検索とは
3. アルゴリズムの説明
4. まとめ
© 2018 Core Concept Technologies Inc.
アルゴリズムの説明
9
① 3Dモデルをたくさんの2次元画像に「射影」する。
1. 正12面体の中心に3Dモデルを置く。
2. 多面体の頂点(20個)を視点にしてデプス画像を作成。
https://www.weblio.jp/content/%E6%AD%A3%E5%8D%81%E4%BA%8C%E9%9D%A2%E4%BD%93
正12面体の頂点数は20個。
© 2018 Core Concept Technologies Inc. 10
© 2018 Core Concept Technologies Inc. 11
② 特徴ベクトルの算出
1. 各画像の物体上に200個の点を生成する。
2. 各点から特徴ベクトルを算出する。
3. 200個の特徴ベクトルができる。
4. 1つの物体あたり画像は20枚あるので、1つの物体あたり4000個の特徴ベクトルができる。
……
200個 200個 200個
特徴ベクトルを算出
1 2 20
© 2018 Core Concept Technologies Inc. 12
③ クラスタリング
4000𝑁個の特徴ベクトル
……
𝑀個のクラスタに分ける。
物体の数を𝑁
𝑉1
𝑉2
𝑉 𝑀
各クラスタを代表する
ベクトルが決まる。
𝑉1, 𝑉2, … , 𝑉 𝑀
(ボキャブラリーベクトル)
© 2018 Core Concept Technologies Inc. 13
④ ヒストグラムの作成
𝑉1
𝑉2
𝑉 𝑀
4000個の特徴ベクトル
個
数
𝑉1 𝑉2 𝑉3 𝑉 𝑀……
……
どの𝑉𝑖に近いかを数えてヒストグラムを作る。
1つの物体が𝑀次元ベクトルに変換される。
© 2018 Core Concept Technologies Inc. 14
④ 類似度計算
…
𝑀次元ベクトル
ユーザ入力
ベクトルを比較して似ているものを検索
…
…
…
データベース
コサイン類似度
ユークリッド距離など
https://3dviewer.net/
© 2018 Core Concept Technologies Inc. 15
……
…
個
数
𝑉1 𝑉2 𝑉3 𝑉 𝑀……
……
…
𝑀次元ベクトル
類似度計算
𝑉1
𝑉2
𝑉 𝑀
複数の物体を用いてあらかじめ計算しておく
4000個の特徴ベクトル
© 2018 Core Concept Technologies Inc.
目次
16
1. 弊社製品Orizuru3Dの紹介
2. 3Dモデル類似検索とは
3. アルゴリズムの説明
4. まとめ
© 2018 Core Concept Technologies Inc.
まとめ
17
• 弊社製品Orizuru 3Dに組み込まれている3Dモデル類似検索を紹介した。
• 現在、深層学習(Deep Learning)を用いた検索ロジックを開発中。
© 2018 Core Concept Technologies Inc. 18
10個のモデルを分類するベンチマークのためのデータ
セット「ModelNet10」を使い、さまざまなアルゴリズ
ムを順位付けしたものが左の表。
弊社の手法は現在94.5%。もう少し上げたい。
ModelNet10の10個のカテゴリ
© 2018 Core Concept Technologies Inc.

More Related Content

What's hot

Data-centricなML開発
Data-centricなML開発Data-centricなML開発
Data-centricなML開発Takeshi Suzuki
 
Deep Learning による視覚×言語融合の最前線
Deep Learning による視覚×言語融合の最前線Deep Learning による視覚×言語融合の最前線
Deep Learning による視覚×言語融合の最前線Yoshitaka Ushiku
 
トップエンジニアが実践する思考整理法~テクニカルライティングを用いた課題解決の基本
トップエンジニアが実践する思考整理法~テクニカルライティングを用いた課題解決の基本トップエンジニアが実践する思考整理法~テクニカルライティングを用いた課題解決の基本
トップエンジニアが実践する思考整理法~テクニカルライティングを用いた課題解決の基本Hajime Fujita
 
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」Hitomi Yanaka
 
情報抽出入門 〜非構造化データを構造化させる技術〜
情報抽出入門 〜非構造化データを構造化させる技術〜情報抽出入門 〜非構造化データを構造化させる技術〜
情報抽出入門 〜非構造化データを構造化させる技術〜Yuya Unno
 
ブレインパッドにおける機械学習プロジェクトの進め方
ブレインパッドにおける機械学習プロジェクトの進め方ブレインパッドにおける機械学習プロジェクトの進め方
ブレインパッドにおける機械学習プロジェクトの進め方BrainPad Inc.
 
伝統的な組織で始めるアジャイル
伝統的な組織で始めるアジャイル伝統的な組織で始めるアジャイル
伝統的な組織で始めるアジャイルtoshihiro ichitani
 
ビジネスパーソンのためのDX入門講座エッセンス版
ビジネスパーソンのためのDX入門講座エッセンス版ビジネスパーソンのためのDX入門講座エッセンス版
ビジネスパーソンのためのDX入門講座エッセンス版Tokoroten Nakayama
 
TransPose: Towards Explainable Human Pose Estimation by Transformer
TransPose: Towards Explainable Human Pose Estimation by TransformerTransPose: Towards Explainable Human Pose Estimation by Transformer
TransPose: Towards Explainable Human Pose Estimation by TransformerYasutomo Kawanishi
 
全力解説!Transformer
全力解説!Transformer全力解説!Transformer
全力解説!TransformerArithmer Inc.
 
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
深層学習による自然言語処理入門: word2vecからBERT, GPT-3までYahoo!デベロッパーネットワーク
 
開発速度が速い #とは(LayerX社内資料)
開発速度が速い #とは(LayerX社内資料)開発速度が速い #とは(LayerX社内資料)
開発速度が速い #とは(LayerX社内資料)mosa siru
 
画像キャプションの自動生成
画像キャプションの自動生成画像キャプションの自動生成
画像キャプションの自動生成Yoshitaka Ushiku
 
[DL輪読会]Neural Ordinary Differential Equations
[DL輪読会]Neural Ordinary Differential Equations[DL輪読会]Neural Ordinary Differential Equations
[DL輪読会]Neural Ordinary Differential EquationsDeep Learning JP
 
時系列問題に対するCNNの有用性検証
時系列問題に対するCNNの有用性検証時系列問題に対するCNNの有用性検証
時系列問題に対するCNNの有用性検証Masaharu Kinoshita
 
【DL輪読会】Scaling laws for single-agent reinforcement learning
【DL輪読会】Scaling laws for single-agent reinforcement learning【DL輪読会】Scaling laws for single-agent reinforcement learning
【DL輪読会】Scaling laws for single-agent reinforcement learningDeep Learning JP
 
信頼性とアジリティを同時に上げろ!モノタロウのカナリアリリース導入.pdf
信頼性とアジリティを同時に上げろ!モノタロウのカナリアリリース導入.pdf信頼性とアジリティを同時に上げろ!モノタロウのカナリアリリース導入.pdf
信頼性とアジリティを同時に上げろ!モノタロウのカナリアリリース導入.pdf株式会社MonotaRO Tech Team
 

What's hot (20)

Data-centricなML開発
Data-centricなML開発Data-centricなML開発
Data-centricなML開発
 
Deep Learning による視覚×言語融合の最前線
Deep Learning による視覚×言語融合の最前線Deep Learning による視覚×言語融合の最前線
Deep Learning による視覚×言語融合の最前線
 
トップエンジニアが実践する思考整理法~テクニカルライティングを用いた課題解決の基本
トップエンジニアが実践する思考整理法~テクニカルライティングを用いた課題解決の基本トップエンジニアが実践する思考整理法~テクニカルライティングを用いた課題解決の基本
トップエンジニアが実践する思考整理法~テクニカルライティングを用いた課題解決の基本
 
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」
 
情報抽出入門 〜非構造化データを構造化させる技術〜
情報抽出入門 〜非構造化データを構造化させる技術〜情報抽出入門 〜非構造化データを構造化させる技術〜
情報抽出入門 〜非構造化データを構造化させる技術〜
 
ブレインパッドにおける機械学習プロジェクトの進め方
ブレインパッドにおける機械学習プロジェクトの進め方ブレインパッドにおける機械学習プロジェクトの進め方
ブレインパッドにおける機械学習プロジェクトの進め方
 
伝統的な組織で始めるアジャイル
伝統的な組織で始めるアジャイル伝統的な組織で始めるアジャイル
伝統的な組織で始めるアジャイル
 
ビジネスパーソンのためのDX入門講座エッセンス版
ビジネスパーソンのためのDX入門講座エッセンス版ビジネスパーソンのためのDX入門講座エッセンス版
ビジネスパーソンのためのDX入門講座エッセンス版
 
TransPose: Towards Explainable Human Pose Estimation by Transformer
TransPose: Towards Explainable Human Pose Estimation by TransformerTransPose: Towards Explainable Human Pose Estimation by Transformer
TransPose: Towards Explainable Human Pose Estimation by Transformer
 
深層学習による自然言語処理の研究動向
深層学習による自然言語処理の研究動向深層学習による自然言語処理の研究動向
深層学習による自然言語処理の研究動向
 
全力解説!Transformer
全力解説!Transformer全力解説!Transformer
全力解説!Transformer
 
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
 
開発速度が速い #とは(LayerX社内資料)
開発速度が速い #とは(LayerX社内資料)開発速度が速い #とは(LayerX社内資料)
開発速度が速い #とは(LayerX社内資料)
 
画像キャプションの自動生成
画像キャプションの自動生成画像キャプションの自動生成
画像キャプションの自動生成
 
[DL輪読会]Neural Ordinary Differential Equations
[DL輪読会]Neural Ordinary Differential Equations[DL輪読会]Neural Ordinary Differential Equations
[DL輪読会]Neural Ordinary Differential Equations
 
時系列問題に対するCNNの有用性検証
時系列問題に対するCNNの有用性検証時系列問題に対するCNNの有用性検証
時系列問題に対するCNNの有用性検証
 
【DL輪読会】Scaling laws for single-agent reinforcement learning
【DL輪読会】Scaling laws for single-agent reinforcement learning【DL輪読会】Scaling laws for single-agent reinforcement learning
【DL輪読会】Scaling laws for single-agent reinforcement learning
 
Semantic segmentation
Semantic segmentationSemantic segmentation
Semantic segmentation
 
MLOpsはバズワード
MLOpsはバズワードMLOpsはバズワード
MLOpsはバズワード
 
信頼性とアジリティを同時に上げろ!モノタロウのカナリアリリース導入.pdf
信頼性とアジリティを同時に上げろ!モノタロウのカナリアリリース導入.pdf信頼性とアジリティを同時に上げろ!モノタロウのカナリアリリース導入.pdf
信頼性とアジリティを同時に上げろ!モノタロウのカナリアリリース導入.pdf
 

Similar to 3Dモデル類似検索

Microsoft AI と深層学習
Microsoft AI と深層学習Microsoft AI と深層学習
Microsoft AI と深層学習Shohei Nagata
 
LiDAR点群と画像とのマッピング
LiDAR点群と画像とのマッピングLiDAR点群と画像とのマッピング
LiDAR点群と画像とのマッピングTakuya Minagawa
 
LiDAR点群とSfM点群との位置合わせ
LiDAR点群とSfM点群との位置合わせLiDAR点群とSfM点群との位置合わせ
LiDAR点群とSfM点群との位置合わせTakuya Minagawa
 
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介Tsuyoshi Hirayama
 
ORB-SLAMを動かしてみた
ORB-SLAMを動かしてみたORB-SLAMを動かしてみた
ORB-SLAMを動かしてみたTakuya Minagawa
 
20160417dlibによる顔器官検出
20160417dlibによる顔器官検出20160417dlibによる顔器官検出
20160417dlibによる顔器官検出Takuya Minagawa
 
第34回CV勉強会「コンピュテーショナルフォトグラフィ」発表資料
第34回CV勉強会「コンピュテーショナルフォトグラフィ」発表資料第34回CV勉強会「コンピュテーショナルフォトグラフィ」発表資料
第34回CV勉強会「コンピュテーショナルフォトグラフィ」発表資料Takuya Minagawa
 
DCEXPO2013: 2D+3D互換の多重化ディスプレイシステム
DCEXPO2013: 2D+3D互換の多重化ディスプレイシステムDCEXPO2013: 2D+3D互換の多重化ディスプレイシステム
DCEXPO2013: 2D+3D互換の多重化ディスプレイシステムAkihiko Shirai
 
run Keras model on opencv
run Keras model on opencvrun Keras model on opencv
run Keras model on opencvTakuya Minagawa
 
「コンピュータビジョン勉強会@関東」紹介資料
「コンピュータビジョン勉強会@関東」紹介資料「コンピュータビジョン勉強会@関東」紹介資料
「コンピュータビジョン勉強会@関東」紹介資料Takuya Minagawa
 
深層学習と音響信号処理
深層学習と音響信号処理深層学習と音響信号処理
深層学習と音響信号処理Yuma Koizumi
 
Domain Adaptation 発展と動向まとめ(サーベイ資料)
Domain Adaptation 発展と動向まとめ(サーベイ資料)Domain Adaptation 発展と動向まとめ(サーベイ資料)
Domain Adaptation 発展と動向まとめ(サーベイ資料)Yamato OKAMOTO
 
機械学習 温故知新(第47回 Machine Learning 15minutes! Broadcast)
機械学習 温故知新(第47回 Machine Learning 15minutes! Broadcast)機械学習 温故知新(第47回 Machine Learning 15minutes! Broadcast)
機械学習 温故知新(第47回 Machine Learning 15minutes! Broadcast)Tetsuroh Watanabe
 
05.日本マイクロソフト(株)_発表資料
05.日本マイクロソフト(株)_発表資料05.日本マイクロソフト(株)_発表資料
05.日本マイクロソフト(株)_発表資料wagatuma
 
AIベンチャー企業のパフォーマンス
AIベンチャー企業のパフォーマンスAIベンチャー企業のパフォーマンス
AIベンチャー企業のパフォーマンスCore Concept Technologies
 
データを活用して何を実現してきたか?
データを活用して何を実現してきたか?データを活用して何を実現してきたか?
データを活用して何を実現してきたか?Core Concept Technologies
 

Similar to 3Dモデル類似検索 (20)

Microsoft AI と深層学習
Microsoft AI と深層学習Microsoft AI と深層学習
Microsoft AI と深層学習
 
テクノロジの隆盛
テクノロジの隆盛テクノロジの隆盛
テクノロジの隆盛
 
可視化の先にあるものとは
可視化の先にあるものとは可視化の先にあるものとは
可視化の先にあるものとは
 
LiDAR点群と画像とのマッピング
LiDAR点群と画像とのマッピングLiDAR点群と画像とのマッピング
LiDAR点群と画像とのマッピング
 
LiDAR点群とSfM点群との位置合わせ
LiDAR点群とSfM点群との位置合わせLiDAR点群とSfM点群との位置合わせ
LiDAR点群とSfM点群との位置合わせ
 
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介
 
IoTで成果を出す
IoTで成果を出すIoTで成果を出す
IoTで成果を出す
 
ORB-SLAMを動かしてみた
ORB-SLAMを動かしてみたORB-SLAMを動かしてみた
ORB-SLAMを動かしてみた
 
20160417dlibによる顔器官検出
20160417dlibによる顔器官検出20160417dlibによる顔器官検出
20160417dlibによる顔器官検出
 
第34回CV勉強会「コンピュテーショナルフォトグラフィ」発表資料
第34回CV勉強会「コンピュテーショナルフォトグラフィ」発表資料第34回CV勉強会「コンピュテーショナルフォトグラフィ」発表資料
第34回CV勉強会「コンピュテーショナルフォトグラフィ」発表資料
 
DCEXPO2013: 2D+3D互換の多重化ディスプレイシステム
DCEXPO2013: 2D+3D互換の多重化ディスプレイシステムDCEXPO2013: 2D+3D互換の多重化ディスプレイシステム
DCEXPO2013: 2D+3D互換の多重化ディスプレイシステム
 
20180424 orb slam
20180424 orb slam20180424 orb slam
20180424 orb slam
 
run Keras model on opencv
run Keras model on opencvrun Keras model on opencv
run Keras model on opencv
 
「コンピュータビジョン勉強会@関東」紹介資料
「コンピュータビジョン勉強会@関東」紹介資料「コンピュータビジョン勉強会@関東」紹介資料
「コンピュータビジョン勉強会@関東」紹介資料
 
深層学習と音響信号処理
深層学習と音響信号処理深層学習と音響信号処理
深層学習と音響信号処理
 
Domain Adaptation 発展と動向まとめ(サーベイ資料)
Domain Adaptation 発展と動向まとめ(サーベイ資料)Domain Adaptation 発展と動向まとめ(サーベイ資料)
Domain Adaptation 発展と動向まとめ(サーベイ資料)
 
機械学習 温故知新(第47回 Machine Learning 15minutes! Broadcast)
機械学習 温故知新(第47回 Machine Learning 15minutes! Broadcast)機械学習 温故知新(第47回 Machine Learning 15minutes! Broadcast)
機械学習 温故知新(第47回 Machine Learning 15minutes! Broadcast)
 
05.日本マイクロソフト(株)_発表資料
05.日本マイクロソフト(株)_発表資料05.日本マイクロソフト(株)_発表資料
05.日本マイクロソフト(株)_発表資料
 
AIベンチャー企業のパフォーマンス
AIベンチャー企業のパフォーマンスAIベンチャー企業のパフォーマンス
AIベンチャー企業のパフォーマンス
 
データを活用して何を実現してきたか?
データを活用して何を実現してきたか?データを活用して何を実現してきたか?
データを活用して何を実現してきたか?
 

More from Core Concept Technologies

センシングサイエンティストが経費精算を自動化したらこうなった
センシングサイエンティストが経費精算を自動化したらこうなったセンシングサイエンティストが経費精算を自動化したらこうなった
センシングサイエンティストが経費精算を自動化したらこうなったCore Concept Technologies
 
コンソールアプリケーションでDIを使う
コンソールアプリケーションでDIを使うコンソールアプリケーションでDIを使う
コンソールアプリケーションでDIを使うCore Concept Technologies
 
開発環境をWindowsからMacに移行してみた話
開発環境をWindowsからMacに移行してみた話開発環境をWindowsからMacに移行してみた話
開発環境をWindowsからMacに移行してみた話Core Concept Technologies
 
データソースにLinqDataSourceを使った場合のGridViewの高速化
データソースにLinqDataSourceを使った場合のGridViewの高速化データソースにLinqDataSourceを使った場合のGridViewの高速化
データソースにLinqDataSourceを使った場合のGridViewの高速化Core Concept Technologies
 
Pythonでディープラーニングをはじめるための一歩目
Pythonでディープラーニングをはじめるための一歩目Pythonでディープラーニングをはじめるための一歩目
Pythonでディープラーニングをはじめるための一歩目Core Concept Technologies
 
Pythonで簡単な統計・分析をしてみよう!
Pythonで簡単な統計・分析をしてみよう!Pythonで簡単な統計・分析をしてみよう!
Pythonで簡単な統計・分析をしてみよう!Core Concept Technologies
 
Google Colab環境でPythonスクレイピング
Google Colab環境でPythonスクレイピングGoogle Colab環境でPythonスクレイピング
Google Colab環境でPythonスクレイピングCore Concept Technologies
 
ロボットと協働生活中に試行錯誤したこと
ロボットと協働生活中に試行錯誤したことロボットと協働生活中に試行錯誤したこと
ロボットと協働生活中に試行錯誤したことCore Concept Technologies
 
なぜIoTプロジェクトは途中でとまってしまうのか。
なぜIoTプロジェクトは途中でとまってしまうのか。なぜIoTプロジェクトは途中でとまってしまうのか。
なぜIoTプロジェクトは途中でとまってしまうのか。Core Concept Technologies
 
工場に!オフィスに!明日、お安く、安全に導入できるセンサー紹介します
工場に!オフィスに!明日、お安く、安全に導入できるセンサー紹介します工場に!オフィスに!明日、お安く、安全に導入できるセンサー紹介します
工場に!オフィスに!明日、お安く、安全に導入できるセンサー紹介しますCore Concept Technologies
 
AIによる簡単レコメンドシステム実装
AIによる簡単レコメンドシステム実装AIによる簡単レコメンドシステム実装
AIによる簡単レコメンドシステム実装Core Concept Technologies
 

More from Core Concept Technologies (20)

センシングサイエンティストが経費精算を自動化したらこうなった
センシングサイエンティストが経費精算を自動化したらこうなったセンシングサイエンティストが経費精算を自動化したらこうなった
センシングサイエンティストが経費精算を自動化したらこうなった
 
C#で速度を極めるいろは
C#で速度を極めるいろはC#で速度を極めるいろは
C#で速度を極めるいろは
 
コンソールアプリケーションでDIを使う
コンソールアプリケーションでDIを使うコンソールアプリケーションでDIを使う
コンソールアプリケーションでDIを使う
 
開発環境をWindowsからMacに移行してみた話
開発環境をWindowsからMacに移行してみた話開発環境をWindowsからMacに移行してみた話
開発環境をWindowsからMacに移行してみた話
 
Linqの速度測ってみた
Linqの速度測ってみたLinqの速度測ってみた
Linqの速度測ってみた
 
データソースにLinqDataSourceを使った場合のGridViewの高速化
データソースにLinqDataSourceを使った場合のGridViewの高速化データソースにLinqDataSourceを使った場合のGridViewの高速化
データソースにLinqDataSourceを使った場合のGridViewの高速化
 
ロボットアームをPythonで動かす
ロボットアームをPythonで動かすロボットアームをPythonで動かす
ロボットアームをPythonで動かす
 
Pythonでディープラーニングをはじめるための一歩目
Pythonでディープラーニングをはじめるための一歩目Pythonでディープラーニングをはじめるための一歩目
Pythonでディープラーニングをはじめるための一歩目
 
Pythonで簡単動画解析
Pythonで簡単動画解析Pythonで簡単動画解析
Pythonで簡単動画解析
 
Pythonで簡単な統計・分析をしてみよう!
Pythonで簡単な統計・分析をしてみよう!Pythonで簡単な統計・分析をしてみよう!
Pythonで簡単な統計・分析をしてみよう!
 
Google Colab環境でPythonスクレイピング
Google Colab環境でPythonスクレイピングGoogle Colab環境でPythonスクレイピング
Google Colab環境でPythonスクレイピング
 
ロボットと協働生活中に試行錯誤したこと
ロボットと協働生活中に試行錯誤したことロボットと協働生活中に試行錯誤したこと
ロボットと協働生活中に試行錯誤したこと
 
GPUいらずの高速動画異常検知
GPUいらずの高速動画異常検知GPUいらずの高速動画異常検知
GPUいらずの高速動画異常検知
 
固有表現抽出と適用例のご紹介
固有表現抽出と適用例のご紹介固有表現抽出と適用例のご紹介
固有表現抽出と適用例のご紹介
 
深層強化学習入門
深層強化学習入門深層強化学習入門
深層強化学習入門
 
なぜIoTプロジェクトは途中でとまってしまうのか。
なぜIoTプロジェクトは途中でとまってしまうのか。なぜIoTプロジェクトは途中でとまってしまうのか。
なぜIoTプロジェクトは途中でとまってしまうのか。
 
工場に!オフィスに!明日、お安く、安全に導入できるセンサー紹介します
工場に!オフィスに!明日、お安く、安全に導入できるセンサー紹介します工場に!オフィスに!明日、お安く、安全に導入できるセンサー紹介します
工場に!オフィスに!明日、お安く、安全に導入できるセンサー紹介します
 
AIによる簡単レコメンドシステム実装
AIによる簡単レコメンドシステム実装AIによる簡単レコメンドシステム実装
AIによる簡単レコメンドシステム実装
 
Orizuru IoTは何を変えたのか
Orizuru IoTは何を変えたのかOrizuru IoTは何を変えたのか
Orizuru IoTは何を変えたのか
 
AWSで実践する機械学習
AWSで実践する機械学習	AWSで実践する機械学習
AWSで実践する機械学習
 

Recently uploaded

論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...Toru Tamaki
 
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdfTSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdftaisei2219
 
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システムスマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システムsugiuralab
 
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)Hiroki Ichikura
 
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介Yuma Ohgami
 
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNetToru Tamaki
 
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A surveyToru Tamaki
 
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する       2024/04/19 の勉強会で発表されたものですSOPを理解する       2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものですiPride Co., Ltd.
 
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略Ryo Sasaki
 

Recently uploaded (9)

論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
 
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdfTSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
 
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システムスマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
 
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
 
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
 
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
 
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
 
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する       2024/04/19 の勉強会で発表されたものですSOPを理解する       2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
 
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
 

3Dモデル類似検索

  • 1. © 2018 Core Concept Technologies Inc. 3Dモデル類似検索 (株)コアコンセプト・テクノロジー IoT/AIソリューション事業部 熊田聖也 2019/04/05 1
  • 2. © 2018 Core Concept Technologies Inc. 自己紹介 2 大阪大学大学院工学研究科卒業 1996年、物性理論で博士(工学)を取得 場の量子論を用いた物性研究をしてました。 博士号取得のあと3年ほど阪大で助手を務める。 数社に勤めたあとCCTに。 仕事の変遷 1. 画像処理、動画圧縮(MPEG)、色変換 2. 画像認識(機械学習を用いた) 3. 画像認識(深層学習を用いた) 4. 機械学習・深層学習・コンピュータビジョン全般 次は、強化学習・量子情報処理かな? https://www.iwanami.co.jp/book/b265519.html 量子機械学習?
  • 3. © 2018 Core Concept Technologies Inc. 目次 3 1. 弊社製品Orizuru3Dの紹介 2. 3Dモデル類似検索とは 3. アルゴリズムの説明 4. まとめ
  • 4. © 2018 Core Concept Technologies Inc. 目次 4 1. 弊社製品Orizuru3Dの紹介 2. 3Dモデル類似検索とは 3. アルゴリズムの説明 4. まとめ
  • 5. © 2018 Core Concept Technologies Inc. 弊社製品Orizuru3Dの紹介 5 http://orizuru.io/product-3d/ 1. CAD・点群などの3Dデータを管理 2. 数十GBに及ぶ巨大な3DデータをWebブラウザで表示 3. 類似する3Dモデルを検索 4. クラウドサービスあるいはオンプレミスとして提供 今回は、3Dモデル類似検索を紹介する。
  • 6. © 2018 Core Concept Technologies Inc. 目次 6 1. 弊社製品Orizuru3Dの紹介 2. 3Dモデル類似検索とは 3. アルゴリズムの説明 4. まとめ
  • 7. © 2018 Core Concept Technologies Inc. 3Dモデル類似検索とは 7 1. ユーザが3Dモデルを与える。 2. データベースにある類似モデルを返す。 3Dモデルを保存するためのフォーマット • OFF • STEP • STL など。
  • 8. © 2018 Core Concept Technologies Inc. 目次 8 1. 弊社製品Orizuru3Dの紹介 2. 3Dモデル類似検索とは 3. アルゴリズムの説明 4. まとめ
  • 9. © 2018 Core Concept Technologies Inc. アルゴリズムの説明 9 ① 3Dモデルをたくさんの2次元画像に「射影」する。 1. 正12面体の中心に3Dモデルを置く。 2. 多面体の頂点(20個)を視点にしてデプス画像を作成。 https://www.weblio.jp/content/%E6%AD%A3%E5%8D%81%E4%BA%8C%E9%9D%A2%E4%BD%93 正12面体の頂点数は20個。
  • 10. © 2018 Core Concept Technologies Inc. 10
  • 11. © 2018 Core Concept Technologies Inc. 11 ② 特徴ベクトルの算出 1. 各画像の物体上に200個の点を生成する。 2. 各点から特徴ベクトルを算出する。 3. 200個の特徴ベクトルができる。 4. 1つの物体あたり画像は20枚あるので、1つの物体あたり4000個の特徴ベクトルができる。 …… 200個 200個 200個 特徴ベクトルを算出 1 2 20
  • 12. © 2018 Core Concept Technologies Inc. 12 ③ クラスタリング 4000𝑁個の特徴ベクトル …… 𝑀個のクラスタに分ける。 物体の数を𝑁 𝑉1 𝑉2 𝑉 𝑀 各クラスタを代表する ベクトルが決まる。 𝑉1, 𝑉2, … , 𝑉 𝑀 (ボキャブラリーベクトル)
  • 13. © 2018 Core Concept Technologies Inc. 13 ④ ヒストグラムの作成 𝑉1 𝑉2 𝑉 𝑀 4000個の特徴ベクトル 個 数 𝑉1 𝑉2 𝑉3 𝑉 𝑀…… …… どの𝑉𝑖に近いかを数えてヒストグラムを作る。 1つの物体が𝑀次元ベクトルに変換される。
  • 14. © 2018 Core Concept Technologies Inc. 14 ④ 類似度計算 … 𝑀次元ベクトル ユーザ入力 ベクトルを比較して似ているものを検索 … … … データベース コサイン類似度 ユークリッド距離など https://3dviewer.net/
  • 15. © 2018 Core Concept Technologies Inc. 15 …… … 個 数 𝑉1 𝑉2 𝑉3 𝑉 𝑀…… …… … 𝑀次元ベクトル 類似度計算 𝑉1 𝑉2 𝑉 𝑀 複数の物体を用いてあらかじめ計算しておく 4000個の特徴ベクトル
  • 16. © 2018 Core Concept Technologies Inc. 目次 16 1. 弊社製品Orizuru3Dの紹介 2. 3Dモデル類似検索とは 3. アルゴリズムの説明 4. まとめ
  • 17. © 2018 Core Concept Technologies Inc. まとめ 17 • 弊社製品Orizuru 3Dに組み込まれている3Dモデル類似検索を紹介した。 • 現在、深層学習(Deep Learning)を用いた検索ロジックを開発中。
  • 18. © 2018 Core Concept Technologies Inc. 18 10個のモデルを分類するベンチマークのためのデータ セット「ModelNet10」を使い、さまざまなアルゴリズ ムを順位付けしたものが左の表。 弊社の手法は現在94.5%。もう少し上げたい。 ModelNet10の10個のカテゴリ
  • 19. © 2018 Core Concept Technologies Inc.