[論文レビュー] 3D Model Retrieval Based on Semantic and Shape Indexes

My Kassimi, Omar El Beqqali|arXiv (Cornell University)|Nov 28, 2011

3D Shape Modeling and Analysis参考文献 25被引用数 9

ひとこと要約

本稿では、3次元モデル検索の精度を向上させるために、意味的コンセプトと形状インデックスを組み合わせる手法を提案する。形状空間および測定空間におけるk-meansクラスタリングを用い、モデルに意味的コンセプトをラベル付けし、OWLオントロジーを用いて表現し、SPARQLクエリを適用して類似度を計算する。この手法はプリンストン・シェイプベンチマークにおいて優れた性能を示している。

ABSTRACT

The size of 3D models used on the web or stored in databases is becoming increasingly high. Then, an efficient method that allows users to find similar 3D objects for a given 3D model query has become necessary. Keywords and the geometry of a 3D model cannot meet the needs of users' retrieval because they do not include the semantic information. In this paper, a new method has been proposed to 3D models retrieval using semantic concepts combined with shape indexes. To obtain these concepts, we use the machine learning methods to label 3D models by k-means algorithm in measures and shape indexes space. Moreover, semantic concepts have been organized and represented by ontology language OWL and spatial relationships are used to disambiguate among models of similar appearance. The SPARQL query language has been used to question the information displayed in this language and to compute the similarity between two 3D models. We interpret our results using the Princeton Shape Benchmark Database and the results show the performance of the proposed new approach to retrieval 3D models. Keywords: 3D Model, 3D retrieval, measures, shape indexes, semantic, ontology

研究の動機と目的

• キーワードや幾何学的特徴に依存する従来の3次元検索手法が意味的理解を欠いているという限界を是正すること。
• 低レベルの形状特徴と高レベルの意味的コンセプトを統合することで、3次元モデル検索における意味的ギャップを克服すること。
• 空間的関係を用いることで、外観が類似したモデルの曖昧さを解消し、より正確で意味のある検索を可能にすること。
• オントロジーモデリングを用いて、3次元モデルの意味的性質を構造的かつ機械処理可能な形式で表現すること。
• OWL知識ベース上でSPARQLクエリを用いることで、意味的および形状ベースの類似度を効率的に照会するメカニズムを提供すること。

提案手法

• 形状インデックスおよび幾何的測定値の空間においてk-meansクラスタリングを適用し、3次元モデルに自動的に意味的ラベルを割り当てる。
• 得られた意味的コンセプトおよび空間的関係を、形式的かつ機械可読なモデリングのためのOWLオントロジー言語で表現する。
• 3次元オブジェクトの部品間の空間的関係をモデル化することで、視覚的に類似したモデルの区別を向上させる。
• SPARQLを用いて意味的知識ベースを照会し、クエリモデルとデータベースモデル間の類似度スコアを計算する。
• 曲率、体積、表面積などの形状インデックスを、形状ベースの比較のための定量的記述子として統合する。
• 意味的類似度スコアと形状ベースの類似度スコアを統合し、最終的な検索順序を決定する。

実験結果

リサーチクエスチョン

• RQ1 形状インデックスと意味的コンセプトを組み合わせることで、純粋に幾何学的特徴やキーワードに依存する手法と比較して、3次元モデル検索の性能が向上するか？
• RQ2 機械学習（k-means）を用いることで、形状および幾何的測定値から意味的ラベルを効果的に推論できるか？
• RQ3 3次元モデルにおける空間的関係は、外観が類似した物体をどれほど効果的に区別できるか？
• RQ4 OWLベースのオントロジーとSPARQLクエリは、スケーラブルで正確な3次元モデルの意味的検索を可能にするか？
• RQ5 本手法は、プリンストン・シェイプベンチマークのような標準ベンチマークデータセットにおいて、どのように性能を発揮するか？

主な発見

• 形状インデックスから導出された意味的コンセプトの統合により、純粋に幾何学的特徴やキーワードに依存する手法と比較して、検索精度が顕著に向上した。
• オントロジーに組み込まれた空間的関係の活用により、外観が類似しているが意味的に異なる3次元モデルを効果的に区別できるようになった。
• OWL知識ベース上でSPARQLベースの照会を用いることで、3次元モデル検索における効率的で表現力のある類似度計算が可能になった。
• k-meansクラスタリング手法により、形状および幾何的特徴に基づいて意味的に意味のあるカテゴリに3次元モデルを効果的にグループ化できた。
• 本手法はプリンストン・シェイプベンチマークにおいて優れた性能を示し、実世界の検索シナリオにおける有効性を実証した。
• 本手法は、低レベルの特徴と高レベルのコンセプトを結びつけることで、3次元モデル検索における意味的ギャップを効果的に低減した。