JP2020052543A - 形状補完装置、形状補完学習装置、方法、及びプログラム - Google Patents
形状補完装置、形状補完学習装置、方法、及びプログラム Download PDFInfo
- Publication number
- JP2020052543A JP2020052543A JP2018179084A JP2018179084A JP2020052543A JP 2020052543 A JP2020052543 A JP 2020052543A JP 2018179084 A JP2018179084 A JP 2018179084A JP 2018179084 A JP2018179084 A JP 2018179084A JP 2020052543 A JP2020052543 A JP 2020052543A
- Authority
- JP
- Japan
- Prior art keywords
- point cloud
- shape
- input
- class
- complementing
- 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
- 238000000034 method Methods 0.000 title claims description 30
- 230000010354 integration Effects 0.000 claims abstract description 9
- 230000000295 complement effect Effects 0.000 claims description 23
- 230000006870 function Effects 0.000 claims description 21
- 238000005259 measurement Methods 0.000 claims description 11
- 238000007796 conventional method Methods 0.000 description 9
- 239000013589 supplement Substances 0.000 description 8
- 238000013459 approach Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000011478 gradient descent method Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/047—Probabilistic or stochastic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/048—Activation functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/56—Particle system, point based geometry or rendering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
- G06T2219/20—Indexing scheme for editing of 3D models
- G06T2219/2021—Shape modification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- Architecture (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Geometry (AREA)
- Probability & Statistics with Applications (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
Description
・・・(1)
・・・(1)
・・・(3)
20,220 演算部
30 事前学習部
32 学習部
40 パラメータ記憶部
100 形状補完学習装置
200 形状補完装置
230 クラス識別部
232 形状補完部
240 パラメータ記憶部
250 出力部
Claims (7)
- 物体上の3次元の点の集合を計測した計測結果であるポイントクラウドを補完する形状補完装置であって、
予め学習された、前記物体のクラスを識別する識別器に対して、入力ポイントクラウドを入力して、前記入力ポイントクラウドが表す物体のクラスを識別する際に算出されるクラス識別特徴を出力するクラス識別部と、
予め学習された、ポイントクラウド及び前記クラス識別特徴を入力として、前記ポイントクラウドの各点から抽出した局所的特徴に基づく大域の特徴である大域的特徴と、前記クラス識別特徴とを統合した統合結果を得て、前記統合結果を畳み込むことにより前記ポイントクラウドを補完する3次元点の集合である形状補完ポイントクラウドを生成する生成器に対して、前記入力ポイントクラウド及び前記クラス識別部により出力された前記クラス識別特徴を入力して、前記入力ポイントクラウドを補完する前記形状補完ポイントクラウドを出力する形状補完部と、
を含む形状補完装置。 - 物体上の3次元点の集合を計測した計測結果であるポイントクラウドを補完する3次元点の集合である形状補完ポイントクラウドを生成する生成器を学習する形状補完学習装置であって、
前記物体の形状の一部を表す疎な3次元の点の集合である入力ポイントクラウドと、前記入力ポイントクラウドを補完する教師ポイントクラウドとを含む学習データに基づいて、
予め学習された、前記物体のクラスを識別する識別器に対して、前記入力ポイントクラウドを入力して、前記入力ポイントクラウドが表す物体のクラスを識別する際に算出されるクラス識別特徴を出力し、
ポイントクラウド及び前記クラス識別特徴を入力として、前記ポイントクラウドの各点から抽出した局所的特徴に基づく大域の特徴である大域的特徴と、前記クラス識別特徴とを統合した統合結果を得て、前記統合結果を畳み込むことにより前記ポイントクラウドを補完する前記形状補完ポイントクラウドを生成する生成器、及び
前記ポイントクラウド、前記形状補完ポイントクラウド、及び前記クラス識別特徴を入力として、前記ポイントクラウド及び前記形状補完ポイントクラウドを合わせた3次元点の集合が、真のポイントクラウドであるか否かを判別する判別器について、
前記入力ポイントクラウド及び前記教師ポイントクラウドを合わせた3次元点の集合に対する前記判別器の判別結果、前記入力ポイントクラウド及び前記生成器によって生成された前記形状補完ポイントクラウドを合わせた3次元点の集合に対する前記判別器の判別結果、及び前記生成器によって生成された前記形状補完ポイントクラウドと前記教師ポイントクラウドとの距離、を用いて表される損失関数を最適化するように、前記生成器のパラメータ及び前記判別器のパラメータを最適化する学習部、
を含む形状補完学習装置。 - 前記形状補完ポイントクラウドと前記教師ポイントクラウドとの距離は、前記入力ポイントクラウド及び前記教師ポイントクラウドの間での点の対応付けの結果を用いて定められる、対応する前記形状補完ポイントクラウドの点と、前記教師ポイントクラウドの点との距離の総和である請求項2に記載の形状補完学習装置。
- 物体上の3次元の点の集合を計測した計測結果であるポイントクラウドを補完する形状補完装置における形状補完方法であって、
クラス識別部が、予め学習された、前記物体のクラスを識別する識別器に対して、入力ポイントクラウドを入力して、前記入力ポイントクラウドが表す物体のクラスを識別する際に算出されるクラス識別特徴を出力するステップと、
形状補完部が、予め学習された、ポイントクラウド及び前記クラス識別特徴を入力として、前記ポイントクラウドの各点から抽出した局所的特徴に基づく大域の特徴である大域的特徴と、前記クラス識別特徴とを統合した統合結果を得て、前記統合結果を畳み込むことにより前記ポイントクラウドを補完する3次元点の集合である形状補完ポイントクラウドを生成する生成器に対して、前記入力ポイントクラウド及び前記クラス識別部により出力された前記クラス識別特徴を入力して、前記入力ポイントクラウドを補完する前記形状補完ポイントクラウドを出力するステップと、
を含む形状補完方法。 - 物体上の3次元点の集合を計測した計測結果であるポイントクラウドを補完する3次元点の集合である形状補完ポイントクラウドを生成する生成器を学習する形状補完学習装置であって、
学習部は、前記物体の形状の一部を表す疎な3次元の点の集合である入力ポイントクラウドと、前記入力ポイントクラウドを補完する教師ポイントクラウドとを含む学習データに基づいて、
予め学習された、前記物体のクラスを識別する識別器に対して、前記入力ポイントクラウドを入力して、前記入力ポイントクラウドが表す物体のクラスを識別する際に算出されるクラス識別特徴を出力し、
ポイントクラウド及び前記クラス識別特徴を入力として、前記ポイントクラウドの各点から抽出した局所的特徴に基づく大域の特徴である大域的特徴と、前記クラス識別特徴とを統合した統合結果を得て、前記統合結果を畳み込むことにより前記ポイントクラウドを補完する前記形状補完ポイントクラウドを生成する生成器、及び
前記ポイントクラウド、前記形状補完ポイントクラウド、及び前記クラス識別特徴を入力として、前記ポイントクラウド及び前記形状補完ポイントクラウドを合わせた3次元点の集合が、真のポイントクラウドであるか否かを判別する判別器について、
前記入力ポイントクラウド及び前記教師ポイントクラウドを合わせた3次元点の集合に対する前記判別器の判別結果、前記入力ポイントクラウド及び前記生成器によって生成された前記形状補完ポイントクラウドを合わせた3次元点の集合に対する前記判別器の判別結果、及び前記生成器によって生成された前記形状補完ポイントクラウドと前記教師ポイントクラウドとの距離、を用いて表される損失関数を最適化するように、前記生成器のパラメータ及び前記判別器のパラメータを最適化するステップ
を含む形状補完学習方法。 - コンピュータを、請求項1に記載の形状補完装置の各部として機能させるためのプログラム。
- コンピュータを、請求項2又は請求項3に記載の形状補完学習装置の各部として機能させるためのプログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018179084A JP7135659B2 (ja) | 2018-09-25 | 2018-09-25 | 形状補完装置、形状補完学習装置、方法、及びプログラム |
PCT/JP2019/035910 WO2020066662A1 (ja) | 2018-09-25 | 2019-09-12 | 形状補完装置、形状補完学習装置、方法、及びプログラム |
US17/279,044 US11727584B2 (en) | 2018-09-25 | 2019-09-12 | Shape supplementation device, shape supplementation learning device, method, and program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018179084A JP7135659B2 (ja) | 2018-09-25 | 2018-09-25 | 形状補完装置、形状補完学習装置、方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020052543A true JP2020052543A (ja) | 2020-04-02 |
JP7135659B2 JP7135659B2 (ja) | 2022-09-13 |
Family
ID=69952107
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018179084A Active JP7135659B2 (ja) | 2018-09-25 | 2018-09-25 | 形状補完装置、形状補完学習装置、方法、及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US11727584B2 (ja) |
JP (1) | JP7135659B2 (ja) |
WO (1) | WO2020066662A1 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112837420A (zh) * | 2021-03-09 | 2021-05-25 | 西北大学 | 基于多尺度和折叠结构的兵马俑点云的形状补全方法及系统 |
WO2022102476A1 (ja) * | 2020-11-16 | 2022-05-19 | パナソニックIpマネジメント株式会社 | 三次元点群高密度化装置、三次元点群高密度化方法、及び、プログラム |
WO2023032216A1 (ja) * | 2021-09-06 | 2023-03-09 | 日本電信電話株式会社 | 点群補完装置、点群補完方法、及び点群補完プログラム |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11587291B2 (en) * | 2021-06-30 | 2023-02-21 | Tencent America LLC | Systems and methods of contrastive point completion with fine-to-coarse refinement |
CN113408651B (zh) * | 2021-07-12 | 2024-01-23 | 厦门大学 | 基于局部判别性增强的无监督三维物体分类方法 |
CN114298946B (zh) * | 2022-03-10 | 2022-06-14 | 武汉大学 | 一种框架细节增强的深度学习点云补全方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10824862B2 (en) * | 2017-11-14 | 2020-11-03 | Nuro, Inc. | Three-dimensional object detection for autonomous robotic systems using image proposals |
-
2018
- 2018-09-25 JP JP2018179084A patent/JP7135659B2/ja active Active
-
2019
- 2019-09-12 WO PCT/JP2019/035910 patent/WO2020066662A1/ja active Application Filing
- 2019-09-12 US US17/279,044 patent/US11727584B2/en active Active
Non-Patent Citations (8)
Title |
---|
ANGELA DAI, ET AL.: ""Shape Completion using 3D-Encoder-Predictor CNNs and Shape Synthesis"", PROCEEDINGS OF THE IEEE CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION (CVPR), JPN6022031776, July 2017 (2017-07-01), pages 5868 - 5877, ISSN: 0004839329 * |
CHARLES R. QI, ET AL.: ""PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation"", ARXIV:1612.00593V2, vol. version v2, JPN6019045822, 10 April 2017 (2017-04-10), pages 1 - 19, ISSN: 0004839327 * |
CHERDSAK KINGKAN, ET AL.: ""Generating Mesh-based Shapes From Learned Latent Spaces of Point Clouds with VAE-GAN"", PROCEEDINGS OF THE 2018 24TH INTERNATIONAL CONFERENCE ON PATTERN RECOGNITION (ICPR), JPN6019045810, 24 August 2018 (2018-08-24), pages 308 - 313, XP033459908, ISSN: 0004839324, DOI: 10.1109/ICPR.2018.8546232 * |
LI YI, ET AL.: ""Large-Scale 3D Shape Reconstruction and Segmentation from ShapeNet Core55"", ARXIV:1710.06104V2, vol. version v2, JPN6022031774, 27 October 2017 (2017-10-27), pages 1 - 12, ISSN: 0004839328 * |
PANOS ACHLIOPTAS, ET AL.: ""Learning Representations and Generative Models for 3D Point Clouds"", ARXIV:1707.02392V3, vol. version v3, JPN6019045815, 12 June 2018 (2018-06-12), pages 1 - 18, ISSN: 0004839325 * |
WENTAO YUAN, ET AL.: ""PCN: Point Completion Network"", ARXIV:1808.00671V2, vol. version v2, JPN6019045809, 5 August 2018 (2018-08-05), pages 1 - 17, ISSN: 0004839323 * |
YAOQING YANG, ET AL.: ""FoldingNet: Point Cloud Auto-encoder via Deep Grid Deformation"", ARXIV:1712.07262V2, vol. version v2, JPN6019045818, 3 April 2018 (2018-04-03), pages 1 - 14, ISSN: 0004839326 * |
伊東 聖矢(外3名): "「ポイントクラウドを入力とした物体認識と形状補完ネットワークの提案」", 情報処理学会研究報告, vol. Vol.2018-CVIM-210, No.54, JPN6019045806, 11 January 2018 (2018-01-11), JP, pages 1 - 4, ISSN: 0004839322 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022102476A1 (ja) * | 2020-11-16 | 2022-05-19 | パナソニックIpマネジメント株式会社 | 三次元点群高密度化装置、三次元点群高密度化方法、及び、プログラム |
CN112837420A (zh) * | 2021-03-09 | 2021-05-25 | 西北大学 | 基于多尺度和折叠结构的兵马俑点云的形状补全方法及系统 |
CN112837420B (zh) * | 2021-03-09 | 2024-01-09 | 西北大学 | 基于多尺度和折叠结构的兵马俑点云的形状补全方法及系统 |
WO2023032216A1 (ja) * | 2021-09-06 | 2023-03-09 | 日本電信電話株式会社 | 点群補完装置、点群補完方法、及び点群補完プログラム |
Also Published As
Publication number | Publication date |
---|---|
US20220005212A1 (en) | 2022-01-06 |
US11727584B2 (en) | 2023-08-15 |
WO2020066662A1 (ja) | 2020-04-02 |
JP7135659B2 (ja) | 2022-09-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020066662A1 (ja) | 形状補完装置、形状補完学習装置、方法、及びプログラム | |
CN112927357B (zh) | 一种基于动态图网络的3d物体重建方法 | |
Xie et al. | Point clouds learning with attention-based graph convolution networks | |
Ye et al. | Spatial attention deep net with partial pso for hierarchical hybrid hand pose estimation | |
Solomon et al. | Earth mover's distances on discrete surfaces | |
CN114401666A (zh) | 基于深度学习的3d点云的对象检测和实例分割 | |
Chan et al. | Volumetric parametrization from a level set boundary representation with PHT-splines | |
EP3905194A1 (en) | Pose estimation method and apparatus | |
JP2019008571A (ja) | 物体認識装置、物体認識方法、プログラム、及び学習済みモデル | |
JP4532171B2 (ja) | 立体物認識装置 | |
CN115457492A (zh) | 目标检测方法、装置、计算机设备及存储介质 | |
Li et al. | Three-dimensional backbone network for 3D object detection in traffic scenes | |
CN116310219A (zh) | 一种基于条件扩散模型的三维脚型生成方法 | |
CN110546687B (zh) | 图像处理装置及二维图像生成用程序 | |
Zhao et al. | Fingerslam: Closed-loop unknown object localization and reconstruction from visuo-tactile feedback | |
Liu et al. | Concise and effective network for 3D human modeling from orthogonal silhouettes | |
Sharma et al. | Machine-learning classification of two-dimensional vortex configurations | |
Fur et al. | Prediction of the configuration of objects in a bin based on synthetic sensor data | |
Rios et al. | Back to meshes: Optimal simulation-ready mesh prototypes for autoencoder-based 3D car point clouds | |
CN112837420A (zh) | 基于多尺度和折叠结构的兵马俑点云的形状补全方法及系统 | |
Gálvez et al. | Applying clonal selection theory to data fitting with rational Bézier curves | |
Varga et al. | Contribution to generative modelling and classification of 3d images | |
Juangphanich et al. | Predicting Two-Dimensional Airfoil Performance Using Graph Neural Networks | |
EP4325388B1 (en) | Machine-learning for topologically-aware cad retrieval | |
Schöning et al. | Image-based 3d reconstruction: Neural networks vs. multiview geometry |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20180927 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210104 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220315 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220511 |
|
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: 20220802 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220815 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7135659 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |