Submit Search
Upload
3Dモデル類似検索
•
Download as PPTX, PDF
•
1 like
•
1,455 views
Core Concept Technologies
Follow
弊社製品の3D Viewerに組み込まれている3Dモデル類似検索の紹介と機会学習を活用した類似検索などの仕組みを説明します。
Read less
Read more
Technology
Report
Share
Report
Share
1 of 19
Download now
Recommended
トピックモデルの評価指標 Perplexity とは何なのか?
トピックモデルの評価指標 Perplexity とは何なのか?
hoxo_m
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
Yusuke Uchida
MLflowで学ぶMLOpsことはじめ
MLflowで学ぶMLOpsことはじめ
Kenichi Sonoda
【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models
cvpaper. challenge
Cosine Based Softmax による Metric Learning が上手くいく理由
Cosine Based Softmax による Metric Learning が上手くいく理由
tancoro
Attentionの基礎からTransformerの入門まで
Attentionの基礎からTransformerの入門まで
AGIRobots
エンジニアの個人ブランディングと技術組織
エンジニアの個人ブランディングと技術組織
Takafumi ONAKA
研究効率化Tips Ver.2
研究効率化Tips Ver.2
cvpaper. challenge
Recommended
トピックモデルの評価指標 Perplexity とは何なのか?
トピックモデルの評価指標 Perplexity とは何なのか?
hoxo_m
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
Yusuke Uchida
MLflowで学ぶMLOpsことはじめ
MLflowで学ぶMLOpsことはじめ
Kenichi Sonoda
【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models
cvpaper. challenge
Cosine Based Softmax による Metric Learning が上手くいく理由
Cosine Based Softmax による Metric Learning が上手くいく理由
tancoro
Attentionの基礎からTransformerの入門まで
Attentionの基礎からTransformerの入門まで
AGIRobots
エンジニアの個人ブランディングと技術組織
エンジニアの個人ブランディングと技術組織
Takafumi ONAKA
研究効率化Tips Ver.2
研究効率化Tips Ver.2
cvpaper. challenge
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
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
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」
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〜
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
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
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
Tokoroten Nakayama
TransPose: Towards Explainable Human Pose Estimation by Transformer
TransPose: Towards Explainable Human Pose Estimation by Transformer
Yasutomo Kawanishi
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
STAIR Lab, Chiba Institute of Technology
全力解説!Transformer
全力解説!Transformer
Arithmer 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
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)
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
Yoshitaka Ushiku
[DL輪読会]Neural Ordinary Differential Equations
[DL輪読会]Neural Ordinary Differential Equations
Deep 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
Masaharu Kinoshita
【DL輪読会】Scaling laws for single-agent reinforcement learning
【DL輪読会】Scaling laws for single-agent reinforcement learning
Deep Learning JP
Semantic segmentation
Semantic segmentation
Takuya Minagawa
MLOpsはバズワード
MLOpsはバズワード
Tetsutaro Watanabe
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
Microsoft AI と深層学習
Microsoft AI と深層学習
Shohei Nagata
テクノロジの隆盛
テクノロジの隆盛
Core Concept Technologies
More Related Content
What's hot
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
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
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」
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〜
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
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
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
Tokoroten Nakayama
TransPose: Towards Explainable Human Pose Estimation by Transformer
TransPose: Towards Explainable Human Pose Estimation by Transformer
Yasutomo Kawanishi
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
STAIR Lab, Chiba Institute of Technology
全力解説!Transformer
全力解説!Transformer
Arithmer 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
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)
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
Yoshitaka Ushiku
[DL輪読会]Neural Ordinary Differential Equations
[DL輪読会]Neural Ordinary Differential Equations
Deep 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
Masaharu Kinoshita
【DL輪読会】Scaling laws for single-agent reinforcement learning
【DL輪読会】Scaling laws for single-agent reinforcement learning
Deep Learning JP
Semantic segmentation
Semantic segmentation
Takuya Minagawa
MLOpsはバズワード
MLOpsはバズワード
Tetsutaro Watanabe
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
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
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〜
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
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 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
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
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
[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
【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 segmentation
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
Similar to 3Dモデル類似検索
Microsoft AI と深層学習
Microsoft AI と深層学習
Shohei Nagata
テクノロジの隆盛
テクノロジの隆盛
Core Concept Technologies
可視化の先にあるものとは
可視化の先にあるものとは
Core Concept Technologies
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
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
Tsuyoshi Hirayama
IoTで成果を出す
IoTで成果を出す
- Core Concept Technologies
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
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
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
Akihiko Shirai
20180424 orb slam
20180424 orb slam
Takuya Minagawa
run Keras model on opencv
run Keras model on opencv
Takuya 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
Takuya Minagawa
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)
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)
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
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
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?
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
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
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
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
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
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
20180424 orb slam
20180424 orb slam
run 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
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)
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
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?
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
Core Concept Technologies
C#で速度を極めるいろは
C#で速度を極めるいろは
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
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
Core Concept Technologies
Linqの速度測ってみた
Linqの速度測ってみた
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
Core Concept Technologies
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
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
Core Concept Technologies
Pythonで簡単動画解析
Pythonで簡単動画解析
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!
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
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
Core Concept Technologies
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
Core Concept Technologies
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
Core Concept Technologies
深層強化学習入門
深層強化学習入門
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。
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
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
Core Concept Technologies
Orizuru IoTは何を変えたのか
Orizuru IoTは何を変えたのか
Core Concept Technologies
AWSで実践する機械学習
AWSで実践する機械学習
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
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
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
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
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
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
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
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
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
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...
Toru Tamaki
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
taisei2219
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)
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
Yuma Ohgami
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
Toru Tamaki
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
Toru 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
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
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...
TSAL 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
【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
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
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
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.
Download now