| 講演名 | 2018-03-19 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(豊橋技科大), 青野 雅樹(豊橋技科大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 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． |
| 抄録(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 |
| キーワード(英) | 3D / 3D Scene / Scene Classification / Voxel / Imaging / Deep Learning |
| 資料番号 | BioX2017-68,PRMU2017-204 |
| 発行日 | 2018-03-11 (BioX, PRMU) |
| 研究会情報 | |
| 研究会 | PRMU / BioX |
|---|---|
| 開催期間 | 2018/3/18(から2日開催) |
| 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） | |
| 委員長氏名（和） | 佐藤 真一(NII) / 鷲見 和彦(青学大) |
| 委員長氏名（英） | Shinichi Sato(NII) / Kazuhiko Sumi(AGU) |
| 副委員長氏名（和） | 藤吉 弘亘(中部大) / 井尻 善久(オムロン) / 高野 博史(富山県立大) / 今岡 仁(NEC) |
| 副委員長氏名（英） | Hironobu Fujiyoshi(Chubu Univ.) / Yoshihisa Ijiri(Omron) / Hiroshi Takano(Toyama Pref. Univ.) / Hitoshi Imaoka(NEC) |
| 幹事氏名（和） | 大西 正輝(産総研) / 舩冨 卓哉(奈良先端大) / 大木 哲史(静岡大) / 青木 隆浩(富士通研) |
| 幹事氏名（英） | Masaki Oonishi(AIST) / Takuya Funatomi(NAIST) / Tetsushi Ohki(Shizuoka Univ.) / Takahiro Aoki(Fujitsu Labs.) |
| 幹事補佐氏名（和） | 石井 雅人(NEC) / 菅野 裕介(阪大) / 市野 将嗣(電通大) / 高田 直幸(セコム) / 奥井 宣広(KDDI総合研究所) |
| 幹事補佐氏名（英） | Masato Ishii(NEC) / Yusuke Sugano(Osaka Univ.) / Masatsugu Ichino(Univ. of Electro-Comm.) / Naoyuki Takada(Secom) / Norihiro Okui(KDDI Research) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Pattern Recognition and Media Understanding / Technical Committee on Biometrics |
|---|---|
| 本文の言語 | JPN |
| 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（和） | |
| 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 |
| 第 1 著者 氏名（和/英） | 濵田 和真 / Kazuma Hamada |
| 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） | 青野 雅樹 / Masaki Aono |
| 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.) |
| 発表年月日 | 2018-03-19 |
| 資料番号 | BioX2017-68,PRMU2017-204 |
| 巻番号（vol） | vol.117 |
| 号番号（no） | BioX-513,PRMU-514 |
| ページ範囲 | pp.189-194(BioX), pp.189-194(PRMU), |
| ページ数 | 6 |
| 発行日 | 2018-03-11 (BioX, PRMU) |