KaydedilenlerDerginizi ekleyin

Dergiler / Selçuk Üniversitesi Mühendislik Bilim ve Teknoloji Dergisi / 2018 / Cilt: 6 - Sayı: 1

Üç Boyutlu Çözüm Ağları için K-Means Kümeleme Tabanlı Şekil Araması

A K-MEANS CLUSTERING BASED SHAPE RETRIEVAL TECHNIQUE FOR 3D MESH MODELS

Erkan GÜNPINAR
Mohammadhassan REZAEI
Sayfa
114–128
Yayın Tarihi
2022-10-18
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Çalışmanın testlerinde insandan hayvanlara eklemli canlılar kullanılmış, önerilen model arama metodunun performansı doğrulanmıştır.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Şirketlerin veri tabanlarında çok fazla şekil bulunmaktadır.
📊
Temel Bulgular & Veri:İstenilen şekillerin bu veri tabanından bulunup getirilmesi için etkili ve güçlü şekil arama metodlarının kullanılması gerekmektedir.
💡
Sonuç & Katkı:Çalışmanın testlerinde insandan hayvanlara eklemli canlılar kullanılmış, önerilen model arama metodunun performansı doğrulanmıştır.
🔬Tür:Laboratuvar & Saha Deneyi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Alan Parametreleri

Özet

Şirketlerin veri tabanlarında çok fazla şekil bulunmaktadır. İstenilen şekillerin bu veri tabanından bulunup getirilmesi için etkili ve güçlü şekil arama metodlarının kullanılması gerekmektedir. Araştırmacılar genelde rijit (esnemeyen) modellere uygun geometrik tanımlayıcılar üzerine odaklanmışlardır. Rijit olmayan modellerin bulunması daha zor olmakta ve bu konuda daha çok çalışılması gerekmektedir. Rijit olmayan modeller için tasarlanan geometrik tanımlayıcılar değişik model pozlarında (insan modeli için yürüme, oturma gibi pozlar) çalışabilmesi gerekmektedir. Rijit olmayan model araması için, öncelikle model jeodezik metrik kullanarak parçalara bölünür. Sonra her bir parçanın alanı toplam alana bölünerek geometrik tanımlayıcı hesaplar. İskelet-bazlı K-means metodu kullanarak model parçalara ayrılmıştır. Her parça alan-bazlı tanımlayıcılar kullanılarak tanımlanmıştır. Bu tanımlayıcıların ölçek ve oryantasyon değişikliklerine hassasiyeti yoktur. Çalışmanın testlerinde insandan hayvanlara eklemli canlılar kullanılmış, önerilen model arama metodunun performansı doğrulanmıştır.

Abstract

Due to the large size of shape databases, importance of effective and robust method inshape retrieval has been increased. Researchers mainly focus on finding descriptors which is suitable forrigid models. Retrieval of non-rigid models is a still challenging field which needs to be studied more.For non-rigid models, descriptors that are designed should be insensitive to different poses. For nonrigidmodel retrieval, we propose a new method which first divides a model into clusters using geodesicdistance metric and then computes its descriptor using the area of these clusters. A skeleton-based Kmeansclustering method is utilized for dividing the model into clusters. Each cluster is represented byan area based descriptor which is invariant to scale and orientation. Articulated objects from human toanimals are employed in this study’s experiments for the validation of the proposed retrieval algorithm.

🔖

Bu Makaleye Atıf Yap

GÜNPINAR, E., REZAEI, M. (2022). Üç Boyutlu Çözüm Ağları için K-Means Kümeleme Tabanlı Şekil Araması. Selçuk Üniversitesi Mühendislik Bilim ve Teknoloji Dergisi, Cilt: 6 - Sayı: 1, 114–128. https://ajindex.com/articles/592108

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (15)

  1. Agarwal, P. K., Mustafa, N. H., “K-means Projective Clustering”,In Proceedings of The Twenty-Third ACM SIGMOD-SIGACT-SIGART Symposium on Principles of Database Systems, ACM, Paris, France, pp. 155-165, 14 – 16 June 2004.
  2. Ankerst, M., Kastenmüller, G., Kriegel, H. P., Seidl, T., “3D Shape Histograms for Similarity Search and Classification in Spatial Databases”, In International Symposium on Spatial Databases, pp. 207-226,
  3. Springer Berlin Heidelberg, July 1999.
  4. Ansary, T. F., Vandeborre, J. P.,Daoudi, M., “3d-Model Search Engine from Photos”, In Proceedings of the 6th ACM international conference on Image and video retrieval, Amsterdam, The Netherlands, pp. 89-92, ACM, 09 - 11 July 2007.
  5. Au, O. K. C., Tai, C. L., Chu, H. K., Cohen-Or, D., Lee, T. Y., 2008, “Skeleton Extraction by Mesh Contraction”, ACM Transactions on Graphics (TOG), Vol.27 (3), 44. Bespalov, D., Regli, W. C., Shokoufandeh, A., “Reeb Graph Based Shape Retrieval for CAD”, In ASME 2003 International Design Engineering Technical Conferences and Computers and Information in Engineering Conference, Chicago, Illinois, USA, pp. 229-238, American Society of Mechanical Engineers, 2–6 September 2003.
  6. Biasotti, S., Marini, S., Mortara, M., Patane, G., Spagnuolo, M., Falcidieno, B., “3D Shape Matching Through Topological Structures”, In International Conference on Discrete Geometry for Computer Imagery,pp. 194-203,
  7. Springer Berlin Heidelberg, November 2003.
  8. Bommes, D., Zimmer, H., Kobbelt, L., 2009, “Mixed-integer Quadrangulation”, ACM Transactions on Graphics (TOG), Vol.28 (3), 77. Chen, D. Y., Tian, X. P., Shen, Y. T., Ouhyoung, M., 2003, “On Visual Similarity Based 3D Model Retrieval”,In Computer Graphics Forum, Vol. 22, No. 3, pp. 223-232,
  9. Blackwell Publishing, Inc, September 2003.
  10. Corney, J., Rea, H., Clark, D., Pritchard, J., Breaks, M., MacLeod, R., 2002, “Coarse Filters for Shape Matching”, IEEE Computer Graphics and Applications, Vol. 22(3), pp. 65-74, 2002.
  11. Dey, T. K., Sun, J., “Defining and Computing Curve-Skeletons with Medial Geodesic Function”, In Symposium on Geometry Processing, Vol. 6, pp. 143-152, June 2006.
  12. Dijkstra, E. W. 1959, “A Note on Two Problems in Connexion with Graphs”, Numerische Mathematik, Vol. 1(1), pp. 269-271.
  13. Eppstein, D., Goodrich, M. T., Kim, E., Tamstorf, R., 2008, “Motorcycle Graphs: Canonical Quad Mesh Partitioning”, In Computer Graphics Forum, Vol. 27, No. 5, pp. 1477-1486,
  14. Blackwell Publishing Ltd, July 2008.
  15. Funkhouser, T., Min, P., Kazhdan, M., Chen,