Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 Frejlichowski D.

Powiadomienia systemowe

Sesja wygasła!
Sesja wygasła!

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: Extended Gaussian Image

Sortuj według:

Ogranicz wyniki do:

An experimental comparison of Extended Gaussian Image and Shape Distributions in 3D shape retrieval

Frejlichowski D.

Pomiary Automatyka Kontrola

2010

R. 56, nr 8

973-975

The effective retrieval of three-dimensional shapes is a very crucial problem nowadays. It has to be not only efficient but also carried out in reasonable time. The last demand is especially difficult as 3D objects are usually built using lots of data (vertices, patches, etc.). That was the reason for minor interest dedicated few decades ago by scientists to them. At present, this problem became less important, thanks to the advances in computer hardware development. Now, one can find many new applications of 3D models, e.g. in CAD systems, entertainment, virtual reality, biometrics and image retrieval. In order to work with those objects three-dimensional shape descriptors are used. Those algorithms are created to represent objects independently of various problems concerning them, e.g. affine transformations, noise, occlusions. The result of experimental examination of two 3D shape descriptors is provided in the paper. The research was performed using the models from the "Princeton Shape Benchmark" database. This database is very popular in the task of experimental evaluation of 3D shape descriptors. In the paper two methods of that type are explored - Extended Gaussian Image and Shape Distributions - in the problem of 3D shape retrieval.

Skuteczne wyszukiwanie kształtów trójwymiarowych w multimedialnych bazach danych jest istotnym problemem. Musi być ono nie tylko efektywne, ale i wykonywane w rozsądnym czasie. Ten drugi warunek jest szczególnie trudny do spełnienia, ponieważ obiekty 3D są zazwyczaj skonstruowane z użyciem dużej ilości danych (wierzchołki, powierzchnie, itp.). Było to dawniej powodem mniejszego zainteresowania naukowców tym zagadnieniem. Obecnie, problem ten stał się mniej znaczący, dzięki postępowi technicznemu w dziedzinie sprzętu komputerowego. Możemy więc aktualnie znaleźć wiele zastosowań modeli 3D, np. w komputerowo wspomaganym projektowaniu, rozrywce, rzeczywistości wirtualnej, biometrii oraz wyszukiwaniu obrazów. Aby móc pracować z tego typu obiektami stosowane są deskryptory kształtu. Te algorytmy są tworzone po to, by reprezentować obiekty niezależnie od poszczególnych problemów ich dotyczących, np. przekształceń afinicznych, szumu, okluzji. W artykule przedstawiono wyniki porównania eksperymentalnego dwóch deskryptorów kształtu 3D. Badania wykonano z użyciem modeli z bazy "Princeton Shape Benchmark". Baza ta jest bardzo popularna w ocenie deskryptorów kształtu 3D. W artykule dwie metody tego typu są badane - Rozszerzone Obrazy Gaussa oraz Rozkłady Kształtu - w kontekście problemu indeksowania kształtów 3D.

Reprezentacja kształtu 3D oparta na deskryptorze EGI na potrzeby indeksowania

Frejlichowski D.

Metody Informatyki Stosowanej

2009

nr 3 (20)

83-89

W niniejszym artykule przedstawiono wyniki wstępnych badań nad problemem opisu kształtów trójwymiarowych z użyciem deskryptora EGI (Extended Gaussian Image). Jest to jeden z popularniejszych algorytmów, którego największą zaletą jest intuicyjność i skuteczność w podstawowych zastosowaniach. W artykule skoncentrowano się na ozpoznawaniu kształtów w kontekście indeksowania tego typu obiektów w multimedialnych bazach danych (CBIR – Content Based Image Retrieval).

The paper presents experimental results on three dimensional shape description and recognition using EGI (Extended Gaussian Image) 3D shape desciptor. The method uses the Gaussian image, which is obtained through mapping of areas and normal vectors for all polygons in an object into the Gaussian sphere. The descriptor is invariant to translation of an object in a scene. The algorithm will be applied to the problem of CBIR (Content Based Image Retrieval). More precisely, the 3D model retrieval is explored.