3D コンテンツ検索

3D コンテンツ検索システムは、大規模なデジタル画像データベースから3 次元デジタルコンテンツ (例:コンピュータ支援設計、分子生物学モデル、文化遺産の 3D シーンなど) を参照、検索、取得するためのコンピュータシステムです。3D コンテンツ検索の最も独創的な方法は、コンテンツファイル名、リンクテキスト、Web ページタイトルなどの説明テキストを 3D コンテンツファイルに追加して、テキスト検索で関連する 3D コンテンツを見つけることです。3D ファイルに手動で注釈を付ける作業は非効率であるため、研究者は注釈付けプロセスを自動化し、 3D コンテンツのテキスト説明を作成するための統一された標準を提供する方法を調査してきました。さらに、3D コンテンツの増加により、3D 情報を取得するためのより高度な方法が求められ、刺激を受けました。そのため、3D コンテンツ検索の形状マッチング方法が普及してきました。形状マッチング検索は、3D モデル間の類似性を比較および対比する手法に基づいています。

3D検索方法

高レベルの説明（例：スケルトン）を導き出し、一致する結果を見つける

この方法は、スケルトンを使用して3Dモデルを記述します。スケルトンは、幾何学的および位相的な情報をスケルトングラフの形式でエンコードし、グラフマッチング技術を使用してスケルトンをマッチングして比較します。^[1]ただし、この方法では2次元入力モデルが必要であり、ノイズや詳細に非常に敏感です。既存の3Dモデルの多くは視覚化目的で作成されており、スケルトン法の入力品質基準を満たしていません。スケルトン3D検索方法は、広く使用されるようになるまでより多くの時間と労力が必要です。

統計に基づいて特徴ベクトルを計算する

入力ソースに高い品質基準を要求するスケルトンモデリングとは異なり、統計的手法では入力ソースの妥当性に制限を設けません。形状ヒストグラム、円形度や偏心度などの全体的な幾何学的特性で構成される特徴ベクトル、球面関数の周波数分解を使用して作成された特徴ベクトルは、統計的手法を使用して3D情報を記述する一般的な例です。^[2]

2D投影法

いくつかのアプローチでは、2つのオブジェクトが3Dで類似している場合、多くの方向で同様の2D投影を持つはずであるという仮定に基づいて、3Dモデルの2D投影を使用します。プロトタイプビュー^[3]とライトフィールド記述^[4]は、2D投影方法の良い例です。

3Dエンジニアリング検索システム

パデュー大学では、情報研究教育センターのカルティク・ラマニ教授率いる研究者らが、3Dエンジニアリング検索システム（3DESS）と呼ばれる3D検索エンジンを開発しました。これは、コンピューターで生成されたエンジニアリング部品を検索できるように設計されています。

この検索エンジンの仕組みは、まずクエリの描画をボクセルに変換できるアルゴリズムから始め、次に細線化と呼ばれる別のアルゴリズムを使用してボクセルから最も重要な形状情報を抽出し、オブジェクトのアウトラインとトポロジのスケルトンを作成するというものです。その後、3DESSは、ループ、エッジ、ノードという3つの一般的なトポロジカル構成要素を使用して、スケルトンをレンダリングするためのスケルトングラフを開発します。処理された共通構成要素グラフにより、オブジェクトを表すデータ量を削減でき、データベースへの説明の保存とインデックス作成が容易になります。^[5]

主任教授によると、3DESS は体積や表面積などの特徴ベクトルを使用してオブジェクトを記述することもできます。システムは、特徴ベクトルまたは骨格グラフをデータベースに保存されているデータと比較することでクエリを処理します。システムがクエリに応答してモデルを取得すると、ユーザーは希望するオブジェクトに最も近いものを選択してフィードバックを残すことができます。

課題

3D形状ベースの類似性クエリに関連する課題

スケルトンモデリング 3D 検索方法では、3D 形状のインデックス付けには非常に厳しい基準があるため、3D 形状記述子をインデックス付けする効率的な方法を見つけることは非常に困難です。3D モデルは、計算が速く、保存が簡潔で、インデックス付けが容易で、相似変換に対して不変で、ノイズや小さな追加機能の影響を受けず、任意の位相的縮退に対して堅牢で、多くのスケールで形状の違いを識別できる必要があります。

マルチモーダルサポートの課題を伴う 3D 検索と取得

3D 検索入力ソースの要件をあまり知らない初心者ユーザーにとって 3D 検索インターフェースを十分にシンプルなものにするためには、さまざまな種類の入力ソースを取得して堅牢なクエリ結果を提供できるマルチモーダル検索システムが必要です。これまでのところ、いくつかのアプローチが提案されています。Funkhouser ら (2003) ^[6]が提案した「Princeton 3D 検索エンジン」は、2D スケッチ、3D スケッチ、3D モデル、およびテキストをクエリとしてサポートしています。Chen ら (2003) ^[4]は、 2D スケッチを取り込み、3D オブジェクトを検索する 3D 検索システムを設計しました。最近、Ansary ら (2007) ^{[7] は、} 2D 写真画像、スケッチ、および 3D モデルを使用した 3D 検索フレームワークを提案しました。

参照

Ai CAD ライブラリ

参考文献

^ Sundar, H., Silver, D., Gagvani, N., Dickinson, S., スケルトンベースの形状マッチングと検索、In: Proc. SMI、ソウル、韓国 (2003)
^ Min, P.、Kazhdan, M.、Funkhouser, T.、「オンライン 3D モデルの検索におけるテキストと形状のマッチングの比較」、デジタルライブラリの研究と高度な技術、2004 年、第 3232 巻、pp.209-220
^ Cyr, CM, Kimia, BB, 形状類似性ベースのアスペクトグラフを使用した 3D オブジェクト認識、In: Proc. ICCV、IEEE (2001)
^ ab Chen, DY, Ouhyoung, M., Tian, XP, Shen, YT, Ouhyoung, M., 視覚的類似性に基づく 3D モデル検索について、In: Proc. Eurographics、グラナダ、スペイン (2003)
^ オルティス、S.、3D検索が形になり始める、コンピュータ、2004年、第37巻（8）、pp.24-26
^ Funkhouser, T., Min, P., Kazhdan, M., Chen, J., Halderman, A., Dobkin, D., & Jacobs, D. (2003). 3D モデルの検索エンジン。ACM Transactions on Graphics、22(1)、83–105
^ Filali Ansary, T., Daoudi, M., & Vandeborre, J.-P. (2007). 適応型ビュークラスタリングを使用したベイジアン3D検索エンジン。IEEE Transactions on Multimedia、9(1)、78–88。

[1] Sundar, H., Silver, D., Gagvani, N., Dickinson, S., スケルトンベースの形状マッチングと検索、In: Proc. SMI、ソウル、韓国 (2003)

[2] Min, P.、Kazhdan, M.、Funkhouser, T.、「オンライン 3D モデルの検索におけるテキストと形状のマッチングの比較」、デジタルライブラリの研究と高度な技術、2004 年、第 3232 巻、pp.209-220

[3] Cyr, CM, Kimia, BB, 形状類似性ベースのアスペクトグラフを使用した 3D オブジェクト認識、In: Proc. ICCV、IEEE (2001)

[DY_Chen-4] Chen, DY, Ouhyoung, M., Tian, XP, Shen, YT, Ouhyoung, M., 視覚的類似性に基づく 3D モデル検索について、In: Proc. Eurographics、グラナダ、スペイン (2003)

[5] オルティス、S.、3D検索が形になり始める、コンピュータ、2004年、第37巻（8）、pp.24-26

[6] Funkhouser, T., Min, P., Kazhdan, M., Chen, J., Halderman, A., Dobkin, D., & Jacobs, D. (2003). 3D モデルの検索エンジン。ACM Transactions on Graphics、22(1)、83–105

[7] Filali Ansary, T., Daoudi, M., & Vandeborre, J.-P. (2007). 適応型ビュークラスタリングを使用したベイジアン3D検索エンジン。IEEE Transactions on Multimedia、9(1)、78–88。