Abstract-Semantic based 3D model re

Abstract-Semantic based 3D model retrieval (SB3DMR) has
attracted more and more research interests, and is a challenge
research problem in the field of content based 3D model retrieval
(CB3DMR). Current studies concentrate on the relevance
feedback or supervised learning to reduce the semantic gap
between 3D model low-level features and high-level semantic. In
this paper, a new method in extracting semantic feature for 3D
model is proposed. It can get high-level semantic information
automatically from low-level. First, invariant descriptors are
extracted from 3D models to efficient semantic annotation. An
unsupervised learning method to describe the semantics of the 3D
models is proposed. Second, and based on the resulting semantic
annotation, 3D models are semantically classified. Finally, spatial
relationships are used to derive other high-level semantic features
to augment our knowledge base and to improve the retrieval
accuracy. An ontology based 3D model retrieval framework is
used to combine the semantic concepts and visual features and
introduce the query by semantic example.

ผลลัพธ์ (ไทย) 2:

บทคัดย่อความหมายตามรูปแบบ 3 มิติการดึง (SB3DMR) ได้
ดึงดูดมากขึ้นและผลการวิจัยมากขึ้นและเป็นความท้าทาย
ปัญหาการวิจัยในด้านการดึงเนื้อหาตามรูปแบบ 3 มิติ
(CB3DMR) การศึกษาปัจจุบันมีสมาธิในความเกี่ยวข้อง
ความคิดเห็นหรือภายใต้การดูแลการเรียนรู้ที่จะลดช่องว่างความหมาย
ระหว่างรูปแบบ 3 มิติคุณลักษณะระดับต่ำและระดับสูงความหมาย ใน
บทความนี้เป็นวิธีการใหม่ ๆ ในการสกัดคุณลักษณะความหมายสำหรับ 3D
รุ่นมีการเสนอ ก็จะได้รับในระดับสูงข้อมูลความหมาย
โดยอัตโนมัติจากระดับต่ำ ครั้งแรกที่อธิบายคงที่จะ
สกัดจากแบบจำลอง 3 มิติเพื่อให้ความหมายคำอธิบายประกอบที่มีประสิทธิภาพ
วิธีการเรียนรู้ใกล้ชิดเพื่ออธิบายความหมายของภาพ 3 มิติ
รุ่นที่มีการเสนอ ประการที่สองและอยู่บนพื้นฐานความหมายส่งผลให้
คำอธิบายประกอบแบบจำลอง 3 มิติจะถูกจัดประเภทความหมาย สุดท้ายเชิงพื้นที่
ความสัมพันธ์ที่จะใช้ในการได้มาซึ่งคุณสมบัติอื่น ๆ ระดับสูงความหมาย
ที่จะขยายฐานความรู้ของเราและเพื่อปรับปรุงการดึง
ความถูกต้อง 3 มิติกรอบการดึงรูปแบบอภิปรัชญาตามจะถูก
ใช้ในการรวมแนวคิดความหมายและคุณลักษณะภาพและ
แนะนำแบบสอบถามโดยตัวอย่างความหมาย

ผลลัพธ์ (ไทย) 3:

นามธรรมความหมายตามแบบสืบค้น ( sb3dmr ) ได้ดึงดูดมากขึ้นและความสนใจมากขึ้นและความท้าทายปัญหาในการวิจัยในด้านเนื้อหาการใช้โมเดล( cb3dmr ) การศึกษาปัจจุบันเน้นความเกี่ยวข้องความคิดเห็นหรือการลดช่องว่างการเรียนรู้ความหมายระหว่างแบบจำลอง 3 มิติในคุณสมบัติพื้นฐานและความหมาย ในกระดาษนี้ , วิธีการใหม่ในการแยกความหมายคุณลักษณะ 3Dแบบเสนอ มันสามารถได้รับข้อมูลความหมายพื้นฐานโดยอัตโนมัติจากรวม ครั้งแรกในความเป็นสกัดจากแบบจำลอง 3 มิติในการจัดการระบบที่มีประสิทธิภาพ เป็นวิธี การเรียนรู้แบบไม่มีผู้สอนอธิบายความหมายของ 3Dรูปแบบ คือ เสนอ ประการที่สอง และตามผลความหมายบันทึกย่อแบบ 3D จะแบ่งองค์ประกอบ . ในที่สุด เชิงพื้นที่ความสัมพันธ์ที่ใช้สืบทอดคุณสมบัติอื่น ๆที่มีความหมายเพื่อเพิ่มความรู้พื้นฐานของเราและเพื่อปรับปรุงการสืบค้นความถูกต้อง อภิปรัชญาเป็นโมเดล 3 มิติดึงกรอบตามคือใช้ในการรวมแนวคิดความหมายและคุณลักษณะและภาพแนะนำให้สอบถามจากตัวอย่างทางความหมาย