Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Powiadomienia systemowe
  • Sesja wygasła!
  • Sesja wygasła!

Znaleziono wyników: 5

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  opis kształtu 3D
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
EN
In the paper the comparison of three geometrical approaches to the representation of 3D shapes is presented. Two of them are wellknown and popular, i.e. Extended Gaussian Image and Shape Histograms. They are compared with a method based on the transformation of points from Cartesian to spherical co-ordinates. For the purpose of the experiments the „Princeton Shape Benchmark” database was applied, which became popular in the task of experimental evaluation of 3D shape descriptors. The current rapid development of computer hardware makes the processing of 3D scenes faster. Hence, the description of objects in image processing, recognition and indexing is possible. Amongst many existing applications of 3D shape descriptors their usage in CAD systems, biometrics, entertainment, virtual reality and image retrieval are especially tempting. In the paper the last listed problem is analysed.
PL
W artykule opisano porównanie trzech podejść geometrycznych do zagadnienia reprezentacji kształtu 3D. Dwa spośród nich to dobrze znane i popularne techniki, tj. Extended Gaussian Image oraz Shape Histograms. Zostały one porównane z metodą opartą na przekształceniu punktów z kartezjańskiego do sferycznego układu współrzędnych. Na potrzeby eksperymentu wykorzystano bazę „Princeton Shape Benchmark”, która stała się popularna w eksperymentalnej ocenie deskryptorów kształtu 3D. Obecny szybki rozwój sprzętu komputerowego przyspiesza przetwarzanie scen trójwymiarowych. Dzięki temu opis obiektów na potrzeby przetwarzania obrazów, rozpoznawania oraz indeksowania stał się możliwy. Pośród wielu istniejących zastosowań deskryptorów kształtu 3D ich użycie w systemach CAD, biometrii, rozrywce, wirtualnej rzeczywistości oraz indeksowaniu obrazów jest szczególnie pożądane. W niniejszym artykule ostatnie z wymienionych zastosowań jest analizowane.
EN
The paper presents experimental results on three dimensional shape description and recognition using a simple approach. The method uses the transformation from Cartesian coordinates of the vertices belonging to an object to the three-dimensional spherical ones. The described algorithm is tested using the objects deformed by affine transforms.
EN
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.
PL
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.
PL
W artykule przedstawiono rezultaty eksperymentu poświęconego określeniu wydajności deskryptora Light Field w problemie indeksowania kształtów trójwymiarowych. Metoda ta okazała się efektywna i uzyskała średni współczynnik skuteczności bliski 69 %. Wynik ten porównano z rezultatami deskryptora Extended Gaussian Image, który był testowany na tej samej bazie 312 modeli 3D (rezultaty tych badań opisano w [6]). Jak sie okazało algorytm LFD jest o blisko 9 procent skuteczniejszy w omawianym problemie. Uzyskany wynik należy uznać za stosunkowy dobry, wziąwszy pod uwagę duże podobieństwo pomiędzy sobą niektórych obiektów należących do różnych klas, przy jednoczesnej różnorodności obiektów wewnątrz danej klasy. Należy również podkreslić, że w eksperymentach pod uwagę brano tylko pierwszy wskazany w wyniku obiekt bazowy. O wiele lepsze rezultaty można byłoby osiagnąć, gdyby wybierać wiecej modeli, np. trzy lub pięć, co jest często spotykane w opisywanych w literaturze zadaniach indeksowania obiektów przechowywanych w dużych bazach multimedialnych.
EN
In the paper the results of the experimental evaluation of the Light Field Descriptor in the problem of three-dimensional shape representation are presented. The Light Field Descriptor (LFD) can be successfully used in the content-based three-dimensional model retrieval. The most general assumption in this algorithm is that if two 3D models are similar, they look similar from all viewing angles. Hence, in the explored approach several orthogonal projections of an object are rendered and used for its representation and later retrieval.
PL
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).
EN
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.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.