Resumen

Recientemente, la recuperación de modelos 3D basada en vistas se ha convertido en un tema de investigación candente. En este método, los modelos 3D se representan como una colección de vistas proyectivas 2D, lo que permite el uso de técnicas de aprendizaje profundo para la clasificación y recuperación de modelos 3D. Sin embargo, los métodos actuales necesitan mejoras tanto en precisión como en eficiencia. Para resolver estos problemas, proponemos un nuevo método de recuperación de modelos 3D, que incluye la construcción de índices y la recuperación de modelos. En la etapa de construcción de índices, los modelos 3D en la biblioteca se proyectan para generar una gran cantidad de vistas, y luego se seleccionan vistas representativas que se introducen en una red neuronal convolucional (CNN) bien aprendida para extraer características. A continuación, las características se organizan según sus etiquetas para construir índices. En esta etapa, las vistas utilizadas para representar modelos 3D se reducen sustancialmente manteniendo suficiente información de los modelos 3

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Recuperación de modelos 3D; Vistas; Técnicas de aprendizaje profundo; Red neuronal convolucional; Coincidencia de similitud; Precisión de recuperación
• Keywords:3d model retrieval; Views; Deep learning techniques; Convolutional neural network; Similarity matching; Retrieval accuracy