1: 2018/01/18(木) 02:58:09.92 ID:CAP_USER
東京大学の原田達也教授らは人工知能(AI)を使って2次元の画像から3次元の物の形を高精度で認識する技術を開発した。
深層学習(ディープラーニング)で多くの画像を学ばせると、1枚の画像から物の形を推測できるようになり、実物との表面の一致率が6割と世界最高水準になった。空間を認識できるロボットなどに応用し、
作業の精度を高める用途を想定する。
原田教授らは様々な角度から表示した飛行機やイスなど13種類の被写体の画像約3万枚を学習データに使った。
画像が推測した形と本当の形との差が小さくなるように、人の脳をまねたニューラルネットワーク(神経回路網)の計算モデルを構築した。
2次元画像から3次元に落とし込む際は、これまで「ボクセル」と呼ばれる多くの立方体を積み重ねる手法が多く使われていた。
深層学習を使うのは比較的簡単にできるが、立方体にでこぼこがある分、精度を上げるのが難しい。
続きはソースで
画像:絵画の画風をティーポットの3Dの物体に加えた
https://www.nikkei.com/content/pic/20180117/96958A9F889DE0E7E5E7E7E5E3E2E3E4E2E3E0E2E3EA8AE3E3E2E2E2-DSXMZO2575569016012018X11001-PB1-2.jpg
日本経済新聞
https://www.nikkei.com/article/DGXMZO25755710W8A110C1X11000/
深層学習(ディープラーニング)で多くの画像を学ばせると、1枚の画像から物の形を推測できるようになり、実物との表面の一致率が6割と世界最高水準になった。空間を認識できるロボットなどに応用し、
作業の精度を高める用途を想定する。
原田教授らは様々な角度から表示した飛行機やイスなど13種類の被写体の画像約3万枚を学習データに使った。
画像が推測した形と本当の形との差が小さくなるように、人の脳をまねたニューラルネットワーク(神経回路網)の計算モデルを構築した。
2次元画像から3次元に落とし込む際は、これまで「ボクセル」と呼ばれる多くの立方体を積み重ねる手法が多く使われていた。
深層学習を使うのは比較的簡単にできるが、立方体にでこぼこがある分、精度を上げるのが難しい。
続きはソースで
画像:絵画の画風をティーポットの3Dの物体に加えた
https://www.nikkei.com/content/pic/20180117/96958A9F889DE0E7E5E7E7E5E3E2E3E4E2E3E0E2E3EA8AE3E3E2E2E2-DSXMZO2575569016012018X11001-PB1-2.jpg
日本経済新聞
https://www.nikkei.com/article/DGXMZO25755710W8A110C1X11000/

引用元: ・【テクノロジー】東大、2次元画像から3次元の形を認識 AIで高精度に
東大、2次元画像から3次元の形を認識 AIで高精度にの続きを読む