深層学習を用いた3次元形状データの簡略化手法の一検討

カテゴリ：部門大会

論文No：TC20-3

グループ名：【C】2025年電気学会電子・情報・システム部門大会

発行日：2025/8/20

タイトル(英語)：A Study on Simplification Methods for 3D Shape Data Using Deep Learning

著者名：一色 正晴（愛媛大学）,木下 浩二（愛媛大学）

著者名(英語)： Masaharu ISSHIKI (Ehime University),Koji KINOSHITA (Ehime University)

キーワード：深層学習,3次元形状,簡略化手法簡略化手法,Deep learning,3D shape data,Simplification methods

要約(日本語)：デジタルツインの実現に向け，ドローン画像やLiDARから得られる高密度な点群・ポリゴンデータを効率的に扱うために深層学習を活用した3D形状データの簡略化手法が注目を集めている。近年では，幾何的特徴を保持しつつデータ量を効果的に削減するニューラルネットワークベースの技術が多数提案されており，従来の単純な間引き処理や幾何変換と比較して，形状の再現性や視覚的品質を損なわずに高い圧縮率を実現できる点が利点とされる。さらに，非構造データへの適応力や複雑な構造の認識能力にも優れており，土木・建築・CGなど多様な分野での応用が期待されている。一方で，学習には大量のデータと計算資源が必要であり，微細な構造の保持やリアルタイム性の確保といった面では依然として課題が残る。本研究では，こうした深層学習ベースの簡略化技術の最新動向と応用可能性について整理・検討を行う。

本誌掲載ページ：709-712p

原稿種別：日本語

PDFファイルサイズ：477Kバイト