Supervised mesh segmentation for 3d objects with graph convolutional neural networks
Grafiksel evrişimli sinir ağları kullanarak denetimli 3 boyutlu nesne bölütlemesi
- Tez No: 574750
- Danışmanlar: DOÇ. DR. YUSUF SAHİLLİOĞLU, DOÇ. DR. SİNAN KALKAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 74
Özet
Nesne bölütlemesi 3B şekillerin anlamlandırılması ve analizi başta olmak üzere Bilgisayar Bilimlerinin birçok farklı alanında kullanılan temel bir uygulamadır. Derin öğrenme uygulamalarının yaygınlaşmasıyla nesne bölütlemesi için tekil çokgenlerin sınıflandırılmasına dayanan çözümler halihazırda üretilmiştir. Bu tezde biz, nesne bölütlemesi problemini Grafiksel Evrişimli Sinir Ağlarını kullanarak bir denetimli grafik etiketleme problemi olarak ele alıyoruz. Bir objeye etiketlenmesi gereken bir grafik yapısı olarak bakıp, bu objenin tüm yapısını girdi olarak alan ve bölütlenmiş halini çıktı olarak veren bir bölütleme modeli geliştiriyoruz. Benzer modeller 3B obje üzerindeki her bir çokgeni ayrı ayrı etiketleme üzerine kuruluyken, bizim modelimiz objenin tüm çokgenleri için tek bir turda etiketleme yeteneğini Grafiksel Evrişimli Sinir Ağları sayesinde edinebilmektedir. Ayrıca, grafik yapısındaki bileşenlerin bağlantısallığını kullanabilmek önceki çalışmalara nazaran girdi modelleri için gereken özellik sayısını ciddi derecede azaltabilmektedir. Biz modelimizi segmentasyon işlemi zorlu şekil gruplarından biri olan insan şekilleri üzerinde eğitip test ettik ve diğer denetimli bölütleme teknikleriyle rekabet edebilecek düzeydeki sonuçları onlardan çok daha az girdi özelliği kullanarak elde edebildik.
Özet (Çeviri)
Mesh segmentation is a fundamental application that is primarily used for understanding and analyzing 3D shapes in a broad range of areas in Computer Science. With the increasing trend of deep learning, there have been many learning-based solutions to the mesh segmentation problem based on the classification of the individual mesh polygons. In this thesis, we cast mesh segmentation as a supervised graph labeling problem by using Graph Convolutional Neural Networks (GCNN). We treat a mesh object as a graph to be labeled and develop a segmentation model that takes an entire structure of the object as input and returns its segmentation. While similar models focus on labeling each polygon of the 3D objects separately, our model is capable of labeling all polygons in a single run thanks to GCNN. Moreover, being able to use connectivity information in the graph provides an opportunity for a drastic decrease in the required features used as input to the model, compared to the previous studies. We train and test our model for segmenting human shapes, one of the challenging shapes to segment. We report competitive results compared to other state-of-art supervised segmentation techniques by using noticeably less input features.
Benzer Tezler
- Mesh segmentation from sparse face labels using graph convolutional neural networks
Grafıksel evrişimli sinir ağlarını kullanarak yüzeyleri seyrek etiketlenmiş nesne bölütlemesi
ÖNDER İLKE SEVER
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YUSUF SAHİLLİOĞLU
- A data-centric unsupervised 3D mesh segmentation method
Veri merkezli denetimsiz 3B nesne segmentasyon metotu
TALYA TÜMER SİVRİ
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiModelleme ve Simülasyon Ana Bilim Dalı
DOÇ. DR. YUSUF SAHİLLİOĞLU
- Exploring dense depth predictions as a supervision source for human pose and shape estimation
Yoğun derinlik tahminlerinin insan poz ve şekil tahmini için bir denetim kaynağı olarak incelemesi
BATUHAN KARAGÖZ
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRE AKBAŞ
- Source-aggregated-poisson with applications to groupwise shape analysis and mesh segmentation
Değişen kaynaklı birleşik poısson ve şekil gruplarının analizi ile yüzey ağlarının bölütlenmesine uygulanması
MURAT GENÇTAV
Doktora
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA SİBEL TARI
- Electro-magnetic source imaging using realistic head models
Gerçekçi kafa modelleri kullanarak elektro-manyetik kaynak görüntüleme
ZEYNEP AKALIN ACAR
Doktora
İngilizce
2005
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Bölümü
PROF.DR. NEVZAT GENÇER