지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 이승호
- 발행연도
- 2022
- 저작권
- 한밭대학교 논문은 저작권에 의해 보호받습니다.
이용수4
이 논문의 연구 히스토리 (2)
- 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 딥러닝과 구체의 형태 변형 방법을 이용한 단일 이미지에서의 3D Mesh 재구축 기법을 제안한다. 제안하는 기법은 ResNet-50을 이용하여 단일 이미지에서 Feature Map을 추출한다. 본 논문에서는 고차원의 데이터인 단일 이미지에서 추출한 Feature Map의 불확실성을 처리하기 위해 Reparameterization Trick을 이용하여 저차원의 확률 분포 형태인 Latent Vector로 변환하여 Feature Map이 더 쉽게 분석될 수 있도록 한다. 구체는 꼭짓점과 면으로 이루어진 3D Mesh 데이터이며 FCN을 통해 Latent Vector로부터 구체의 꼭짓점의 위치를 변경하는 값인 오프셋 값을 생성한다. 구체의 꼭짓점은 오프셋 값과 덧셈 연산을 통해 변경되며, 이후 면 정보를 적용하여 3D Mesh 구체의 형태 변형 방법을 이용한 3D Mesh 재구축을 완료한다. ShapeNet 데이터셋을 이용하여 제안하는 기법을 평가했으며 우수한 결과를 달성했다.
목차
목 차 ⅰ표 목 차 ⅱ그림목차 ⅱ기초 및 약어 ⅳ국문요약 ⅴⅠ. 서 론 11. 연구의 필요성 12. 본 논문의 목적 23. 본 논문의 내용 및 구성 4Ⅱ. 이 론 51. 딥러닝 네트워크를 사용한 단일 이미지 기반의 3D 모델 재구축에 관한 연구 동향 52. 3D Mesh 표면 재구축에 관련된 이론 7(1) Ball Pivoting 알고리즘 7(2) Marching Cubes 알고리즘 9(3) Poisson Surface Reconstruction 알고리즘 12Ⅲ. 본 론 161. 딥러닝과 구체의 형태 변형 방법을 이용한 단일 이미지에서의 3D Mesh 재구축 16(1) 제안하는 기법의 개요 16(2) 학습 과정 19(3) 실행 과정 392. 실험 및 고찰 40(1) 실험 환경 40(2) 실험 결과 42(3) 고찰 46Ⅳ. 결 론 50Ⅴ. 참 고 문 헌 52ABSTRACT 56
최근 본 자료
댓글(0)
0