개선된 레이 캐스팅을 이용한 3차원 객체 검색 기법

이선임; 김재협; 문영식

추천

검색

질문

자료유형: 학술저널

저자정보: 이선임 김재협 문영식

저널정보: 대한전자공학회 전자공학회논문지-CI 전자공학회논문지 CI편 제43권 제2호

발행연도: 2006.3

수록면: 72 - 80 (9page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

이 논문의 연구 히스토리 (2)

2006

개선된 레이 캐스팅을 이용한 3차원 객체 검색 기법

이선임 , 김재협 , 문영식 전자공학회논문지-CI 2006.03 학술저널

2005

레이 캐스팅 기법을 기반으로 한 3차원 모델 검색

이선임 , 황혜정 , 문영식 한국정보과학회 학술발표논문집 2005.07 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

본 논문에서는 3차원 모델을 검색하기 위한 형태 기반 기술자를 추출하는 새로운 알고리즘을 제안한다. 제안한 형태 기반 기술자는 모델의 기하학적인 특성을 고려하여 레이 캐스팅 샘플링과 구면조화함수를 이용하는 방법이다. 레이 캐스팅 기법은 모델의 외형을 고려한 적응적인 방법으로 샘플링한다. 이 기법을 통해 기술자에 포함되는 형태 정보를 증가시켜 기술자의 식별성을 높인다. 구면조화함수 계수 추출에서는 기하학적인 주파수 특성을 고려하여 적응적인 계수를 추출한다. 이 방법은 검색 성능에 영향을 미치지 않고 기술자를 조밀하고 간결하게 만든다. 최종적으로 두 방법을 결합함으로서 검색 엔진에서 이용가능하고, 식별성이 향상되며 간결해진 기술자를 생성한다.

참고문헌 (18)

참고문헌 신청

[단행본] - Shilane, Philip / 2004 / The Princeton Shape Benchmark / Proceedings of the Shape Modeling International : 388 ~ 399

[학술지(정기간행물)] - Besl, Paul J / 1985 / Three- dimensionalobjectrecognition / ACM Computering Surveys 17 (1) : 75 ~ 145

[학술지(정기간행물)] - Funkhouser, Thomas / 2003 / A search engine for 3D models / Transactions on Graphics 22 (1) : 83 ~ 105

[학술대회논문] - Min, Patrick / 2003 / Early experience with a 3D model search engine / Proceeding of International Conference on 3D Web technology : 7 ~ 18

[단행본] - Liu, Xinguo / 2003 / Directional Histogram Model for Three-Dimensional Shape Similarity / Proceedings of IEEE CVPR’03

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이선임

소속기관 대한전자공학회

주요연구분야 공학 > 컴퓨터학 공학 > 전기전자공학 > 전자공학

논문수 3 이용수 130

김재협

소속기관 삼성탈레스

주요연구분야 공학 > 전기전자공학 > 전자공학 공학 > 컴퓨터학

논문수 26 이용수 1,778

문영식

소속기관 충남연구원

주요연구분야 공학 > 전기전자공학 > 전자공학 TOP 5% 공학 > 전기전자공학 > 정보통신공학 TOP 10%

논문수 252 이용수 17,697

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2009-569-015401551

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (18)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)