JP2012150578A - 用例に基づく効率的なモーションデータベースのスタイリング - Google Patents
用例に基づく効率的なモーションデータベースのスタイリング Download PDFInfo
- Publication number
- JP2012150578A JP2012150578A JP2011007370A JP2011007370A JP2012150578A JP 2012150578 A JP2012150578 A JP 2012150578A JP 2011007370 A JP2011007370 A JP 2011007370A JP 2011007370 A JP2011007370 A JP 2011007370A JP 2012150578 A JP2012150578 A JP 2012150578A
- Authority
- JP
- Japan
- Prior art keywords
- motion
- new
- clip
- bone
- present
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000033001 locomotion Effects 0.000 title claims abstract description 421
- 238000000034 method Methods 0.000 title claims abstract description 41
- 210000000988 bone and bone Anatomy 0.000 claims description 81
- 230000001131 transforming effect Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 description 16
- 238000012545 processing Methods 0.000 description 16
- 238000006243 chemical reaction Methods 0.000 description 10
- 230000002194 synthesizing effect Effects 0.000 description 9
- 210000000784 arm bone Anatomy 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 210000001930 leg bone Anatomy 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012805 post-processing Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 210000001624 hip Anatomy 0.000 description 2
- 229910000833 kovar Inorganic materials 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 239000002574 poison Substances 0.000 description 2
- 231100000614 poison Toxicity 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 235000012571 Ficus glomerata Nutrition 0.000 description 1
- 244000153665 Ficus glomerata Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 210000001981 hip bone Anatomy 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
Images
Landscapes
- Processing Or Creating Images (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
【解決手段】データベースを用意するステップ,モーションを選択するステップ,及びスタイルを学習し,変換するステップを含み,モーションを生成するコンピュータは,データベースを用意する手段101,モーションを選択する手段102,スタイルを学習し変換する手段103,データベースを更新する手段104を備える。
【選択図】図1
Description
本発明は,一連のポーズ{p1,p2,.....,pn}により,モーションMをモデル化してもよい。ポーズは,スケルトンの運動学的自由度を定義する。これは,ボーンの階層構造で構成されている。本発明は,指数写像で,各ボーンbの自由度を表わしてもよい(GRASSIA,F.S.1998.Proctical parameterization of rotations using the exponential map参照(J.Graph.Tools 3(March),29−48参照))。本発明は,‘KOVAR,L.,AND GLEICHER,M.2003.Flexible automatic motion blending with registration curve.In Proceedings the 2003 ACM SIGGRAPH/Eurographics symposium on Computer animation Eurographics Association,Aire−la−Ville,Switzerland,Switzerland,SCA’03,214−224と同じ方法により,スケルトンの大域変換を表わしてもよい。ヒップ間のベクトルにより定義されるローカルフレームを使用することにより,本発明は,以前のポーズ及び絶対y軸並進(absolute y translation)からオフセットを行う際に,x軸とz軸への並進移動及びy軸の回転を追跡することができる。また,本発明は,以前のポーズからの経過時間tを追跡してもよい。本発明は,ポーズpにおけるボーンbの大域変換を,行列Mb(p)として定義してもよい。これにより,本発明は,ボーンの位置をposb(p)=Mb(p)[0001]Tとして定義することができる。本発明は,自動ツールと手動ラベリングの組み合せによって,入力モーションの足を置く情報(foot plant information)に注釈を付けてもよい。
本発明は,スケルトンを4つの区分:A=脚,B=左腕,C=右腕,D=上半身に分割してもよい。本発明は,A,B,C,Dを含むグループIのボーンの集合をBIと呼び,ルーツボーングループをrIとしてもよい。また,本発明は,ボーングループの階層構造を定義してもよい。ボーングループの階層構造は,後に,ボーングループ間の従属性を部分的に取り戻すのに使用される。この従属性は,スケルトンが分割された時に失われる。本発明は,脚からスケルトンが移動することにより,各ボーングループの従属性を,以下のように,形成してもよい。
本発明は,基本的なモーション内容のユニットを区別するために,キーポーズの自動検出により,各ボーングループのモーションを,より小さなセグメントに前処理してもよい。各モーションのそれぞれのボーングループに関して,本発明は以下のように定義してもよい。
モーション選択ステージは,モーションを特定する。ユーザは,用例にスタイルを適応させるために,これらのモーションを提供することになる。本発明は,候補のモーション集合を生成するために,距離関数により,すべてのセグメントの階層的クラスタリングの組み合わせを,各ボーングループ内で繰り返し適用してもよく,標準集合被覆アルゴリズムをすべてのボーングループから,すべてのクラスタに適用してもよい。その時,本発明は,重複するモーション内容を符号化する理想的なコンパクトなモーション集合を特定するために,各クラスタのセグメント変動に対するモーション数をグラフに表わす合成ROC曲線を分析してもよい。
ボーングループのセグメントをクラスタするために,本発明はセグメント間の距離関数を定義してもよい。本発明は,まず始めにボーン間の距離関数を定義してもよい。本発明は,ボーングループのルーツボーンのローカル空間で所定のポーズを取り囲む,3つのポーズのウィンドウにおける,各ボーンの位置間の相違点を考慮してもよい。
本発明は,クラスタ内のある用例から学習されるスタイル変換関数が,そのクラスタ内の残りのセグメントに,十分適用できると,仮定してもよい。これにより,本発明は,各クラスタが,少なくとも1つの用例セグメントの代表的なスタイルを有するように,最も少ないモーション数を選択することができる。これらのモーションを選択するために,本発明は,すべてのボーングループ間のすべてのクラスタに,貪欲集合カバー(greedy set cover)を実行してもよい(CORMEN,T.H.,STEIN,C.,RIVEST,R.L.,AND LEISERSON,C.E.2001. Introduction to Algorithms,2nd ed.McGraw−Hill Higher Education参照)。
ROC曲線は,モデルの複雑さとデータを明らかにできることとの妥協点を評価する方法を提供する(FAWCETT,T.2006. An introduction to roc analysis. Pattern Recognition Letters 27,8,861−874. ROC Analysis in Pattern Recognition.参照)。本発明は,モデルの複雑さを選択されるモーション数と考えてもよい。各モーション数に関して,本発明は,データを明らかにできることを,モーション数を選択するすべてのクラスタリングから派生する最も長い連結クラスタの最小値と考えてもよい。本発明は,値域(0,1)をカバーする各軸線を正規化してもよい。直観的に,もし,データ構造がほとんどなかったら,生じる曲線は,線形y=xに接近することになる。したがって,本発明は,最も大きなデータの基礎構造を明らかにするために,この線形から最も大きな符号付き距離の点を,このモデルをパラメータ化する点として,選択してもよい。図12は,クラスタリングと集合カバーの繰り返しにより生成される,ROC曲線の例を示している。
かつて,適切なモーションは,ROC曲線の分析により選択されていたが,本発明は,スタイルされるこれらのモーションの用例を提供するユーザを必要とする。本発明は,同じアクターで同じスケルトンのモーションキャプチャを使用することにより,用例を得た。
第3のステージにおいて,本発明は,スタイル変換関数を学習し,用例が提供されなかった入力セグメントにそれらを適用するために,ユーザにより提供されるスタイル化された用例モーションを使用する。用例モーションの複数のクリップは,同じクラスタ内に存在できるが,集合カバーアルゴリズムは,少なくとも1つのスタイル化された用例クリップが,各クラスタに存在することを約束する。スタイル変換関数は,加重局所回帰により,各クラスタについて学習される。これらのモーションは,スタイルされる各ボーングループのセグメントから再び集められる。
本発明は,スケルトンが分割される時に失われる,ボーングループ間の従属するモーション内容を部分的に回復させるために,選択されるモーションのすべてのボーングループにまたがるすべてのクラスタ間の時間的相関関係を測定してもよい。本発明は,同じポーズで2つのクラスタが発生するかどうかを確かめるために,まず始めに,以下のバイナリ関数を定義してもよい。
入力モーションと用例モーションの間の対応するポーズデータを一時的にアライメントをとるために,本発明は,入力モーションと適応させるように,用例モーションを,動的にタイムワープしてもよい(KOVAR,L.,AND GLEICHER,M.2003. Flexible automatic motion blending with registration curves. In Proceedings of the 2003 ACM SIGGRAPH/Eurographics symposium on Computer animation, Eurographics Association,Aire−la−Ville,Switzerland,Switzerland,SCA’03,214−224.)。本発明は,各クラスタのk最近隣回帰関数を学習するために,対応する用例ポーズデータと共に,選択される入力モーションの各クラスタに含まれるポーズデータを使用してもよい。交差ボーングループの従属性を考慮することにより,本発明は,2つの入力ポーズ間の距離を以下のように定義する。
現段階では,本発明は,用例が提供されなかった各入力ポーズのそれぞれのボーンにおけるオフセットを有してもよい。残りのスタイルされない入力モーションのすべてのポーズに関して,本発明は,異なるボーングループからオフセットを集めて,スケルトン全体のオフセットにしてもよい。大域的なルーツの自由度とタイムワープ情報は,前節の通りに学習された。脚を置く情報は,入力モーションから出力データにコピーされる。その時,本発明は,スタイルされたタイムワープにより,入力モーションとオフセットデータの両方をアンタイムワープする。次に,本発明は,重み付けされた移動平均により,オフセットを滑らかにしてもよい。本発明は,スタイルされるポーズの望ましい位置とアライメントを得るために,オフセットデータを,各入力ポーズの位置とアライメントに加えてもよい。本発明は,2つの連続する回転を適用することにより,各ボーンの回転を計算してもよい。初めに,本発明は,望ましい位置にできるだけ近づく位置となるように,ボーンを自由に回転させてもよい。次に,本発明は,できるだけ望ましいアライメント点に近づくように,軸の周りにボーンを回転させてもよい。ルーツボーンに関して,本発明は,その位置を設定し,2つのヒップアライメント点を整列させてもよい。本発明は,大域的なx軸,z軸の移動とy軸の回転情報を,入力情報からコピーしてもよい。
本発明は,完全なスケルトンのモーションをスタイルし,後処理を適用する。初めに,本発明は,重み付けされた移動平均により,出力モーションを滑らかにする。次に,本発明は,スケルトンのルーツを適切に変換することで,いずれのポーズにも配置される脚が以前のポーズで同じ位置でとどまるように,強制することにより,脚のスケートを整える。また,本発明は,スケルトンが接地平面にとどまるようにしてもよい。
合成されるモーションが,後処理により整えられた後,本発明は,スタイルの自動変換の質を判断するために,ユーザに,新しくスタイルされるモーションを検査させる。本発明は,対話型インターフェースにおけるユーザの入力と自動的にスタイルされるモーションを表示する。対話型インターフェースは,ユーザが,すべてのモーションを効果的に検査し,それらがうまくスタイルされるか否かを示すことを可能にする。うまくスタイルされるモーションは,出力データベースに移送され,そうでないモーションは,破棄される。その時処理は,入力データベースの全体が,提供される用例モーションと合成モーションの組み合わせからうまくスタイルされ終えるまで,第2ステージからフレームワークを繰り返す。ユーザのフィードバックループのそれぞれの反復において,うまくスタイルされるモーションが考慮されない時,本発明は,入力モーションのより小さな集合を連続的に処理する。このスタイル変換モデルの解決法は,フレームワークを一巡するごとに,反復的に改善される。本発明の方法は,余分なモーション内容が入力データベースに存在するという仮定により,動機づけられている。しかし,本発明は,入力データベースの類似モーションに制約を加えない。もし,入力データベースのどのモーション間にも共通内容がなかったら,本発明のフレームワークは,個々にスタイルする各入力モーションを,単に変換する。ユーザに,合成されるモーションのスタイルの質を判断させることは,提供する用例の量によって,美的感覚を犠牲にすることを許容することにより,モーションデータベースのスタイリングにさらなる柔軟性を与える。
102 モーションを選択する手段
103 スタイルを学習し,変換する手段
104 データベースを更新する手段
Claims (5)
- データベースを用意するステップと,
モーションを選択するステップと,
スタイルを学習し,変換するステップとを含む,
コンピュータグラフィックスにおけるモーションを生成する方法であって,
前記データベースは,キャラクターのモーションクリップを格納し,
前記モーションクリップは,ボーングループにより分類される前記キャラクターのモーションセグメントを含み,
前記モーションを選択するステップは,
前記モーションクリップを,類似のモーションを含む各クラスタに分類するステップと,
前記クラスタのすべてを含む特徴的なモーションの集合を計算するステップとを含み,
前記スタイルを学習し,変換するステップは,
第1の新しいモーションを,新しいモーションクリップとして受け取るステップと,
前記新しいモーションクリップを,前記クラスタに分類するステップと,
前記新しいモーションクリップを含む各ボーン及び各モーションのモーションクリップを集めるステップと,
前記新しいモーションクリップを含む新しい特徴的なモーションを創作するステップと,
前記新しい特徴的なモーションを表示するステップとを含む,
方法。
- 前記キャラクターの前記ボーングループは,脚,左腕,右腕及び上半身を含む,請求項1に記載の方法。
- 前記新しいモーションクリップを,前記クラスタに分類する前記ステップの後に,前記新しいモーションクリップが分類される前記クラスタのモーションクリップを前記新しいモーションクリップに変換するステップを,さらに含む,請求項1に記載の方法。
- 前記新しい特徴的なモーションのいずれか1つが失敗であることを示す入力データを受け取る時,
第2の新しいモーションを,第2の新しいモーションクリップとして受け取るステップと,
前記失敗したモーションを,前記第2の新しいモーションに変換するステップと,
前記第2の新しいモーションクリップを含む新しい特徴的なモーションを創作するステップと,
前記第2の新しい特徴的なモーションを表示するステップと,
前記新しい特徴的なモーションのすべてが成功であることを示す入力データを受け取る時,
前記新しい特徴的なモーションを,新しいスタイルとして,前記データベースに格納するステップとを,さらに含む,請求項1に記載の方法。
- データベースを用意する手段と,
モーションを選択する手段と,
スタイルを学習し,変換する手段とを含む,
コンピュータグラフィックスにおけるモーションを生成するコンピュータであって,
前記データベースは,キャラクターのモーションクリップを格納し,
前記モーションクリップは,ボーングループにより分類されるキャラクターのモーションセグメントを含み,
前記モーションを選択する手段は,
前記モーションクリップを,類似のモーションを含むクラスタに分類する手段と,
前記クラスタのすべてを含む特徴的なモーションの集合を計算する手段とを含み,
前記スタイルを学習し,変換する手段は,
第1の新しいモーションを,新しいモーションクリップとして受け取る手段と,
前記新しいモーションクリップを,前記クラスタに分類する手段と,
前記新しいモーションクリップを含む各ボーン及び各モーションのモーションクリップを集める手段と,
前記新しいモーションクリップを含む新しい特徴的なモーションを創作する手段と,
前記新しい特徴的なモーションを表示する手段とを含む,
コンピュータ。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011007370A JP5210401B2 (ja) | 2011-01-17 | 2011-01-17 | 用例に基づく効率的なモーションデータベースのスタイリング |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011007370A JP5210401B2 (ja) | 2011-01-17 | 2011-01-17 | 用例に基づく効率的なモーションデータベースのスタイリング |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2012150578A true JP2012150578A (ja) | 2012-08-09 |
JP5210401B2 JP5210401B2 (ja) | 2013-06-12 |
Family
ID=46792779
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011007370A Active JP5210401B2 (ja) | 2011-01-17 | 2011-01-17 | 用例に基づく効率的なモーションデータベースのスタイリング |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5210401B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022518970A (ja) * | 2019-03-15 | 2022-03-17 | 株式会社ソニー・インタラクティブエンタテインメント | 異種のターゲットアニメーションデータを使用してキャラクタをトレーニングする強化学習 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102118519B1 (ko) | 2018-11-22 | 2020-06-15 | 삼성전자주식회사 | 전자 장치 및 그 제어 방법 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0554122A (ja) * | 1991-08-29 | 1993-03-05 | Nec Corp | アニメーシヨン作成方式 |
JP2002319035A (ja) * | 2001-04-19 | 2002-10-31 | Taito Corp | アニメーション生成方式 |
JP2003132363A (ja) * | 2002-09-12 | 2003-05-09 | Mitsubishi Electric Corp | アニメーション制作システム |
JP2008015713A (ja) * | 2006-07-04 | 2008-01-24 | Kyushu Institute Of Technology | 動作変形システム及びその方法 |
JP2010181959A (ja) * | 2009-02-03 | 2010-08-19 | Keio Gijuku | キーポーズの選定方法、およびプログラム |
-
2011
- 2011-01-17 JP JP2011007370A patent/JP5210401B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0554122A (ja) * | 1991-08-29 | 1993-03-05 | Nec Corp | アニメーシヨン作成方式 |
JP2002319035A (ja) * | 2001-04-19 | 2002-10-31 | Taito Corp | アニメーション生成方式 |
JP2003132363A (ja) * | 2002-09-12 | 2003-05-09 | Mitsubishi Electric Corp | アニメーション制作システム |
JP2008015713A (ja) * | 2006-07-04 | 2008-01-24 | Kyushu Institute Of Technology | 動作変形システム及びその方法 |
JP2010181959A (ja) * | 2009-02-03 | 2010-08-19 | Keio Gijuku | キーポーズの選定方法、およびプログラム |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022518970A (ja) * | 2019-03-15 | 2022-03-17 | 株式会社ソニー・インタラクティブエンタテインメント | 異種のターゲットアニメーションデータを使用してキャラクタをトレーニングする強化学習 |
JP7061238B2 (ja) | 2019-03-15 | 2022-04-27 | 株式会社ソニー・インタラクティブエンタテインメント | 異種のターゲットアニメーションデータを使用してキャラクタをトレーニングする強化学習 |
Also Published As
Publication number | Publication date |
---|---|
JP5210401B2 (ja) | 2013-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Smith et al. | Efficient neural networks for real-time motion style transfer | |
Ye et al. | Synthesis of detailed hand manipulations using contact sampling | |
Jenkins et al. | Automated derivation of behavior vocabularies for autonomous humanoid motion | |
CN104508709B (zh) | 使用人体对对象进行动画化 | |
Lau et al. | Precomputed search trees: Planning for interactive goal-driven animation | |
Guerra-Filho et al. | The human motion database: A cognitive and parametric sampling of human motion | |
Wang et al. | 3D human motion editing and synthesis: A survey | |
CN102725038B (zh) | 组合多传感输入以用于数字动画 | |
KR20130082425A (ko) | 오브젝트 인식 장치, 분류 트리 학습 장치 및 그 동작 방법 | |
CN102629388B (zh) | 机械装备仿真系统生成方法 | |
Cooper et al. | Active learning for real-time motion controllers | |
Huang et al. | Human motion synthesis from 3d video | |
CN116528016A (zh) | 音视频合成方法、服务器和可读存储介质 | |
JP2007527054A (ja) | リグ・ベーキング | |
KR20150075909A (ko) | 3차원 캐릭터 동작 편집방법 및 그 장치 | |
KR20170108526A (ko) | 모사학습 및 행동 조합에 기반한 로봇의 작업 행동궤적 생성 방법 및 그 장치 | |
Mousas et al. | Performance-driven hybrid full-body character control for navigation and interaction in virtual environments | |
JP5210401B2 (ja) | 用例に基づく効率的なモーションデータベースのスタイリング | |
Mousas et al. | Efficient hand-over motion reconstruction | |
CN109993818B (zh) | 三维人体模型运动合成的方法、装置、设备及介质 | |
Jang et al. | Enriching a motion database by analogous combination of partial human motions | |
van Basten et al. | Combining path planners and motion graphs | |
Goel et al. | Interaction Mix and Match: Synthesizing Close Interaction using Conditional Hierarchical GAN with Multi‐Hot Class Embedding | |
Ruttkay et al. | Facial animation by synthesis of captured and artificial data | |
Chan et al. | Synthesizing Two‐character Interactions by Merging Captured Interaction Samples with their Spacetime Relationships |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20130116 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130122 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130130 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20130219 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130222 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20160301 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5210401 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |