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, spatialrelationships 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) 1:

มีเรียกนามธรรมทางตรรกตามโมเดล 3 มิติ (SB3DMR)ดึงดูดความสนใจงานวิจัยมาก ขึ้น และเป็นความท้าทายวิจัยปัญหาในด้านของเนื้อหาตามเรียกโมเดล 3 มิติ(CB3DMR) การศึกษาปัจจุบันเน้นที่เกี่ยวข้องความคิดเห็นหรือการดูแลการเรียนรู้เพื่อลดช่องว่างทางตรรกโมเดล 3 มิติระดับคุณลักษณะ และพื้นฐานทางตรรก ในกระดาษนี้ วิธีการใหม่ในลักษณะทางตรรกสำหรับ 3Dมีเสนอแบบจำลอง ข้อมูลพื้นฐานทางตรรกได้จากระดับต่ำโดยอัตโนมัติ มีตัวบอกแรก ไม่เปลี่ยนแปลงสกัดจากโมเดล 3 มิติในการคำอธิบายความหมายที่มีประสิทธิภาพ วิธีการเรียนรู้ที่ขั่วเพื่ออธิบายความหมายของ 3Dมีเสนอแบบจำลอง สอง และตามผลทางตรรกคำอธิบายประกอบ โมเดล 3 มิติมีประโยคจำแนก ในที่สุด spatialrelationships จะใช้ในการสืบทอดคุณสมบัติอื่น ๆ ทางตรรกพื้นฐานเพื่อเสริมฐานความรู้ของเรา และ เพื่อปรับปรุงการเรียกความถูกต้อง มีภววิทยาที่ใช้โมเดล 3 มิติเรียกกรอบใช้การรวมแนวคิดทางตรรกและแสดงคุณลักษณะ และแนะนำแบบสอบถามตามตัวอย่างทางตรรก

ผลลัพธ์ (ไทย) 2:

บทคัดย่อความหมายตามรูปแบบ 3 มิติการดึง (SB3DMR) ได้
ดึงดูดมากขึ้นและผลการวิจัยมากขึ้นและเป็นความท้าทาย
ปัญหาการวิจัยในสาขาของเนื้อหาตามรูปแบบ 3 มิติการดึง
(CB3DMR). การศึกษาปัจจุบันมีสมาธิในความเกี่ยวข้องความคิดเห็นหรือภายใต้การดูแลการเรียนรู้ที่จะลด ช่องว่างความหมายระหว่างรูปแบบ 3 มิติคุณลักษณะระดับต่ำและระดับสูงความหมาย. ในกระดาษนี้วิธีการใหม่ในการสกัดคุณลักษณะความหมายสำหรับ 3D รุ่นมีการเสนอ. ก็จะได้รับในระดับสูงข้อมูลความหมายโดยอัตโนมัติจากระดับต่ำ. ครั้งแรกที่อธิบายไม่แปรเปลี่ยน จะถูกสกัดจากแบบจำลอง 3 มิติเพื่อให้ความหมายคำอธิบายประกอบที่มีประสิทธิภาพ. วิธีการเรียนรู้ใกล้ชิดเพื่ออธิบายความหมายของภาพ 3 มิติรุ่นที่มีการเสนอ. สองและอยู่บนพื้นฐานของความหมายที่เกิดคำอธิบายประกอบแบบจำลอง 3 มิติจะมีความหมายก. สุดท้าย spatialrelationships จะใช้ในการได้มาซึ่งสูงอื่น ๆ คุณลักษณะความหมายระดับพื้นดินที่จะขยายฐานความรู้ของเราและเพื่อปรับปรุงการดึงความถูกต้อง. 3 มิติกรอบการดึงรูปแบบอภิปรัชญาตามจะถูกใช้ในการรวมแนวคิดความหมายและคุณลักษณะภาพและแนะนำแบบสอบถามโดยตัวอย่างความหมาย

ผลลัพธ์ (ไทย) 3:

นามธรรมความหมายตามแบบสืบค้น ( sb3dmr ) ได้ดึงดูดมากขึ้นและความสนใจมากขึ้นและความท้าทายปัญหาในการวิจัยในด้านเนื้อหาการใช้โมเดล( cb3dmr )การศึกษาปัจจุบันเน้นความเกี่ยวข้องความคิดเห็นหรือการลดช่องว่างการเรียนรู้ความหมายระหว่างแบบจำลอง 3 มิติในคุณสมบัติพื้นฐานและความหมายในกระดาษนี้ , วิธีการใหม่ในการแยกความหมายคุณลักษณะ 3Dแบบเสนอมันสามารถได้รับข้อมูลความหมายพื้นฐานโดยอัตโนมัติจากรวมครั้งแรกในความเป็นสกัดจากแบบจำลอง 3 มิติในการจัดการระบบที่มีประสิทธิภาพมีการเรียนรู้แบบไม่มีผู้สอนวิธีการอธิบายความหมายของ 3Dรูปแบบ คือ เสนอประการที่สอง และตามผลความหมายบันทึกย่อแบบ 3D จะแบ่งองค์ประกอบ .ในที่สุด spatialrelationships ใช้สืบทอดคุณสมบัติอื่น ๆที่มีความหมายเพื่อเพิ่มความรู้พื้นฐานของเราและเพื่อปรับปรุงการสืบค้นความถูกต้องอภิปรัชญาเป็นโมเดล 3 มิติดึงกรอบตามคือใช้ในการรวมแนวคิดความหมายและคุณลักษณะและภาพแนะนำให้สอบถามจากตัวอย่างทางความหมาย