[論文レビュー] A Method for Visuo-Spatial Classification of Freehand Shapes Freely Sketched

Ney Renau-Ferrer, Céline Rémi|arXiv (Cornell University)|May 7, 2013

3D Surveying and Cultural Heritage参考文献 3被引用数 4

ひとこと要約

本論文は、オンラインで描かれた形状の幾何学的および空間的性質を分析することにより、自由なスケッチの視覚的空間的分類のための新規な手法を提示する。形状の正規化、特徴抽出、および理想の幾何学的テンプレートとの不一致測定を組み合わせることで、本手法は、参照形状へのスケッチ分類において95％を超える正確性を達成し、人間とコンピュータのインタラクションおよびパターン認識システムにおけるマルチレベルスケッチ分析の強力な可能性を示している。

ABSTRACT

We present the principle and the main steps of a new method for the visuo-spatial analysis of geometrical sketches recorded online. Visuo-spatial analysis is a necessary step for multi-level analysis. Multi-level analysis simultaneously allows classification, comparison or clustering of the constituent parts of a pattern according to their visuo-spatial properties, their procedural strategies, their structural or temporal parameters, or any combination of two or more of those parameters. The first results provided by this method concern the comparison of sketches to some perfect patterns of simple geometrical figures and the measure of dissimilarity between real sketches. The mean rates of good decision higher than 95% obtained are promising in both cases.

研究の動機と目的

• 視覚的空間的、手順的、構造的、時間的パラメータを統合することにより、自由なスケッチのマルチレベル分析を可能にすること。
• 完璧な幾何学的形状から逸脱する不規則なユーザーが描いた形状の分類という課題に対処すること。
• 実際のスケッチと理想の幾何学的パターンとの間の不一致を測定する強固なフレームワークを開発すること。
• スケッチベースのユーザーインターフェース、教育的ツール、パターン認識の応用を支援し、自由なスケッチの正確な分類を可能にすること。

提案手法

• 本手法は、空間的および時間的軌道データを保持するため、自由なスケッチのオンライン記録から開始する。
• スケッチの主軸を整列させ、標準サイズにスケーリングすることにより、方向およびスケールのばらつきを低減するため、スケッチを正規化する。
• 正規化されたスケッチから、曲率、鋭角性、輪郭の連続性などの幾何学的特徴を抽出する。
• 正規化されたスケッチと事前に定義された理想の幾何学的テンプレート（例：円、正方形）との間で不一致測定値を計算する。
• 最小の不一致スコアを持つ理想形状を選択することで分類意思決定を行う。
• 視覚的空間的特徴と手順的および構造的パラメータを組み合わせることで、マルチレベル分析を支援する。

実験結果

リサーチクエスチョン

• RQ1 形状のアウトラインだけでなく、視覚的空間的性質に基づいて自由なスケッチを効果的に分類する方法は何か？
• RQ2 不規則でユーザーが描いたスケッチを理想の幾何学的テンプレートに一致させる際の正確性はどの程度達成できるか？
• RQ3 人間の知覚を反映するように、実際のスケッチと完璧な幾何学的形状との間の不一致を定量的に測定する方法は何か？
• RQ4 視覚的空間的、手順的、構造的パラメータを統合することで、本手法がマルチレベル分析を支援できるか？
• RQ5 本手法は、異なる種類の自由なスケッチの形状を区別する能力をどの程度有しているか？

主な発見

• 本手法は、自由なスケッチを理想の幾何学的テンプレートと比較する際、平均分類正確性が95％を超える。
• 不一致測定値は、実際のスケッチと完璧な幾何学的形状との間の知覚的差を効果的に捉えている。
• 正規化プロセスにより、スケールおよび方向への感受性が著しく低減され、分類のロバスト性が向上した。
• 本手法は、スケッチベースのインターフェースおよび教育的応用への統合の強力な可能性を示している。
• 結果は、マルチレベルスケッチ分析の基盤として視覚的空間的特徴を使用することが実現可能であることを確認している。