In this paper, we provide an effect

In this paper, we provide an effective new 3D models' retrieval system based on Poisson equation. Usually, 3D models have considered in two major kinds: directly in 3D space and indirectly by a set of 2D views that extracted from that model. Compared with the obtained results of different kind of these kinds of methods, we try to design our 3D models' retrieval system on special 2D views that select by using Kmeans clustering method that uses a set of geometric features of each silhouette to result the most discriminating views. This will be great helpful to improve any 3D model retrieval system performance. After finding the best views of each 3D model, we will use the Poisson equation to define 2D views' shape signature that used in a retrieval system in histogram form. We use the 3D shapes of McGill database to verify the performance of our proposed 3D models' retrieval. The simulation results show that proposed method is better performance rather than some existing 2D view and histogram based shape descriptors in retrieving correctness.

ผลลัพธ์ (ไทย) 1:

ในกระดาษนี้ เรามีระบบมีประสิทธิภาพ 3D รุ่นใหม่ตามสมการ Poisson มักจะ โมเดล 3 มิติมีพิจารณาในสองชนิดที่สำคัญ: ในพื้นที่ 3D โดยตรง และโดยอ้อม โดยชุดของมุมมอง 2D ที่แยกจากรุ่นนี้ เราพยายามออกแบบระบบการเรียกของโมเดล 3 มิติของเราในมุมมอง 2D พิเศษที่เลือก โดยใช้วิธีระบบคลัสเตอร์ Kmeans ที่ใช้ชุดของคุณลักษณะทางเรขาคณิตของเงาแต่ละมุมมองเหยียดที่สุดส่งผลให้ เมื่อเทียบกับการได้รับผลของวิธีการต่าง ๆ เหล่านี้ที่แตกต่าง การ นี้จะดีการปรับปรุงประสิทธิภาพระบบการโมเดล 3 มิติ หลังจากหามุมที่ดีที่สุดของแต่ละรุ่น 3D เราจะใช้สมการ Poisson จะกำหนดลายเซ็นรูปร่างของมุมมองแบบ 2D ที่ใช้ในระบบการเรียกข้อมูลในรูปแบบฮิสโตแกรม เราสามารถใช้รูปร่าง 3D ของกิลฐานข้อมูลเพื่อตรวจสอบประสิทธิภาพการทำงานของเรานำเสนอแบบจำลอง 3 มิติของเรียก ผลการจำลองแสดงว่า วิธีการนำเสนอ ประสิทธิภาพที่ดีขึ้นมากกว่าบางมุมมอง 2D อยู่ และตัวบอกรูปร่างของฮิสโตแกรมที่ใช้เรียกความถูกต้อง

ผลลัพธ์ (ไทย) 2:

ในบทความนี้เราจะจัดให้มีระบบการดึงที่มีประสิทธิภาพแบบจำลอง 3 มิติใหม่ 'ตามสมการปัวซอง โดยปกติแบบจำลอง 3 มิติได้มีการพิจารณาในสองชนิดที่สำคัญ: โดยตรงในพื้นที่ 3 มิติและทางอ้อมโดยชุดของมุมมองแบบ 2D ที่สกัดได้จากรูปแบบที่ เมื่อเทียบกับผลที่ได้รับของชนิดที่แตกต่างกันของเหล่านี้ชนิดของวิธีการที่เราพยายามที่จะออกแบบระบบการดึงแบบจำลอง 3 มิติของเราในมุมมองแบบ 2D พิเศษที่เลือกโดยใช้วิธีการจัดกลุ่ม Kmeans ที่ใช้ชุดของคุณลักษณะทางเรขาคณิตของแต่ละภาพเงาที่จะส่งผลเหยียดที่สุด มุมมอง นี้จะเป็นที่ดีที่เป็นประโยชน์ในการปรับปรุงรูปแบบ 3 มิติประสิทธิภาพของระบบการดึงใด ๆ หลังจากพบมุมมองที่ดีที่สุดของแต่ละรูปแบบ 3 มิติเราจะใช้สมการ Poisson ในการกำหนดลายเซ็นรูปร่างมุมมองแบบ 2D 'ที่นำมาใช้ในระบบการดึงในรูปแบบ histogram เราใช้รูปทรง 3 มิติของฐานข้อมูลกิลเพื่อตรวจสอบประสิทธิภาพการทำงานของการดึงแบบจำลอง 3 มิติที่เรานำเสนอ "The ผลการจำลองแสดงให้เห็นว่าวิธีที่นำเสนอคือประสิทธิภาพที่ดีขึ้นมากกว่าที่มีอยู่ในบางมุมมอง 2 มิติและรูปร่างตาม histogram อธิบายในการเรียกความถูกต้อง

ผลลัพธ์ (ไทย) 3:

ในกระดาษนี้เราให้มีประสิทธิภาพใหม่ 3D โมเดลระบบสืบค้นตามสมการของปัวซง . โดยปกติโมเดล 3D ได้พิจารณาใน 2 ประเภทหลัก : โดยตรงในพื้นที่ 3D และทางอ้อมโดยชุดของ 2 มิติมุมมองที่สกัดจากนางแบบ เมื่อเปรียบเทียบกับผลของชนิดที่แตกต่างกันของเหล่านี้ชนิดของวิธีการที่เราพยายามออกแบบโมเดล 3D ระบบสืบค้นบนพิเศษ 2D มุมมองที่เลือกโดยใช้วิธี kmeans คลัสเตอร์ที่ใช้ชุดของลักษณะทางเรขาคณิตของแต่ละภาพเงาผลที่สุด discriminating views นี้จะเป็นประโยชน์ในการปรับปรุงใด ๆ แบบ 3D ระบบการดึงประสิทธิภาพ หลังจากหามุมที่ดีที่สุดของแต่ละโมเดล เราจะใช้สมการของปัวซงเพื่อกำหนดมุมมอง ' 2D รูปร่างลายเซ็นที่ใช้ในการสืบค้นข้อมูลในรูปแบบกราฟ . เราใช้รูปร่าง 3 มิติของฐานข้อมูลการตรวจสอบประสิทธิภาพของกิลเราเสนอโมเดล ' เรียก ผลการจำลองแบบแสดงให้เห็นว่าวิธีการที่เสนอประสิทธิภาพที่ดีขึ้นกว่าเดิมและรูปร่าง 2D บางดู Histogram ในใช้ในการความถูกต้อง