電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
技報オンライン
‥‥ (ESS/通ソ/エレソ/ISS)
技報アーカイブ
‥‥ (エレソ/通ソ)
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2018-03-19 15:40
ボクセル群の奥行き密度を反映した画像による屋内3Dシーン分類
濵田和真青野雅樹豊橋技科大
技報オンラインサービス実施中
抄録 (和) VR技術の普及に伴い,3Dデータで構成したシーンを使うアプリケーションの需要が高まりつつある.それと同時に,3Dシーンのデータ数が増加傾向にある.3Dシーンがどこのシーンか認識できる技術があれば,3Dシーンの分類や整理の手助けが可能となる.本研究では,ボクセル表現に変換した3Dシーンを,奥行き密度を反映する独自の画像化手法を提案し,深層学習に適用した屋内の3Dシーン分類について述べる.x軸・y軸・z軸それぞれを奥行きとした投影平面からボクセル群の奥行きの密度を捉えることで,3Dシーンの分類を行う手助けとなる画像を生成する.実験ではプリンストン大学のSUNCG データセットとして公開されている3Dシーンをもとに6カテゴリのベンチマークデータセットを作成し,ボクセル群や画像などを入力とした手法に代表される従来手法との比較実験を行った.結果として,提案手法では従来手法よりも高精度の分類結果を得ることができた. 
(英) Along with the spread of VR technology, demand for applications using scenes composed of 3D data is increasing and the number of 3D scene has a trend to increase. If there is technology that can recognize the 3D scene, it will be possible to help classify and organize 3D scenes. In this research, we propose a proprietary imaging method reflecting the depth density of 3D scene converted to voxels and describe indoor 3D scene classification applied to deep learning. By reflecting the depth density of the voxel group from the projection plane with the x, y and z axes as the depths respectively, images useful for classifying the 3D scene is generated. In the experiment, benchmark data sets of six categories were created based on the 3D scene published as Princeton University's SUNCG data set and compared with the conventional method typified by the method using such as voxel group and images as input. As a result, our proposed method could obtain classification result with higher accuracy than the conventional method.
キーワード (和) 3D / 3Dシーン / シーン分類 / ボクセル / 画像化 / 深層学習 / /  
(英) 3D / 3D Scene / Scene Classification / Voxel / Imaging / Deep Learning / /  
文献情報 信学技報, vol. 117, no. 514, PRMU2017-204, pp. 189-194, 2018年3月.
資料番号 PRMU2017-204 
発行日 2018-03-11 (BioX, PRMU) 
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380

研究会情報
研究会 PRMU BioX  
開催期間 2018-03-18 - 2018-03-19 
開催地(和) 青山学院大学 青山キャンパス 
開催地(英)  
テーマ(和) オープンイノベーション 
テーマ(英)  
講演論文情報の詳細
申込み研究会 PRMU 
会議コード 2018-03-PRMU-BioX 
本文の言語 日本語 
タイトル(和) ボクセル群の奥行き密度を反映した画像による屋内3Dシーン分類 
サブタイトル(和)  
タイトル(英) 3D Indoor Scene Classification using Images Reflecting the Depth Density of Voxel Group 
サブタイトル(英)  
キーワード(1)(和/英) 3D / 3D  
キーワード(2)(和/英) 3Dシーン / 3D Scene  
キーワード(3)(和/英) シーン分類 / Scene Classification  
キーワード(4)(和/英) ボクセル / Voxel  
キーワード(5)(和/英) 画像化 / Imaging  
キーワード(6)(和/英) 深層学習 / Deep Learning  
キーワード(7)(和/英) /  
キーワード(8)(和/英) /  
第1著者 氏名(和/英/ヨミ) 濵田 和真 / Kazuma Hamada / ハマダ カズマ
第1著者 所属(和/英) 豊橋技術科学大学 (略称: 豊橋技科大)
Toyohashi University of Technology (略称: Toyohashi Univ. of Tech.)
第2著者 氏名(和/英/ヨミ) 青野 雅樹 / Masaki Aono / アオノ マサキ
第2著者 所属(和/英) 豊橋技術科学大学 (略称: 豊橋技科大)
Toyohashi University of Technology (略称: Toyohashi Univ. of Tech.)
第3著者 氏名(和/英/ヨミ) / /
第3著者 所属(和/英) (略称: )
(略称: )
第4著者 氏名(和/英/ヨミ) / /
第4著者 所属(和/英) (略称: )
(略称: )
第5著者 氏名(和/英/ヨミ) / /
第5著者 所属(和/英) (略称: )
(略称: )
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者
発表日時 2018-03-19 15:40:00 
発表時間 25 
申込先研究会 PRMU 
資料番号 IEICE-BioX2017-68,IEICE-PRMU2017-204 
巻番号(vol) IEICE-117 
号番号(no) no.513(BioX), no.514(PRMU) 
ページ範囲 pp.189-194 
ページ数 IEICE-6 
発行日 IEICE-BioX-2018-03-11,IEICE-PRMU-2018-03-11 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会