TOP特許意匠商標
特許ウォッチ Twitter
10個以上の画像は省略されています。
公開番号2024121786
公報種別公開特許公報(A)
公開日2024-09-06
出願番号2024006941
出願日2024-01-19
発明の名称アバター制御
出願人富士通株式会社,カーネギー-メロン ユニバーシティ,CARNEGIE-MELLON UNIVERSITY
代理人個人,個人
主分類G06T 19/00 20110101AFI20240830BHJP(計算;計数)
要約【課題】2D表現の動的オブジェクトから生成された3Dオブジェクトに基づくアバターの表示及び制御を提供する。
【解決手段】一例で、方法は、変形光線を得るよう第1ニューラルネットワーク及び潜在コードを用いて第1時間における動的オブジェクトに関連した第1光線を変形させることを含む。方法はまた、第1光線、第1時間、及び潜在コードを第2ニューラルネットワークに入力することによって、第1光線に関連したハイパースペースコードを取得することを含む。方法は更に、変形光線から1つ以上のポイントをサンプリングすることを含む。方法はまた、サンプリングされたポイント及びハイパースペースコードをネットワーク入力にまとめることを含む。方法は更に、第2時間における動的オブジェクトを表す3次元シーンの画像をレンダリングするためのRGB値を得るようネットワーク入力を第3ニューラルネットワークに入力することを含む。
【選択図】図1
特許請求の範囲【請求項1】
変形光線を得るよう第1ニューラルネットワーク及び潜在コードを用いて第1時間における動的オブジェクトに関連した第1光線を変形させることと、
前記第1光線、前記第1時間、及び前記潜在コードを第2ニューラルネットワークに入力することによって前記第1光線に関連したハイパースペースコードを取得することと、
前記変形光線から1つ以上のポイントをサンプリングすることと、
前記サンプリングされたポイント及び前記ハイパースペースコードをネットワーク入力にまとめることと、
第2時間における前記動的オブジェクトを表す3次元シーンの画像をレンダリングするためのRGB値を得るよう前記ネットワーク入力を第3ニューラルネットワークに入力することと
を有する方法。
続きを表示(約 1,100 文字)【請求項2】
前記第1光線、前記第1時間、及び属性値を第1属性ニューラルネットワークに入力することによって前記第1光線に関連したハイパースペース属性値を取得することと、
前記ハイパースペース属性値、前記変形光線、及び前記ハイパースペースコードを第2属性ニューラルネットワークに入力することによって前記属性値に関連したスカラーマスクを決定することと、
前記スカラーマスク及び前記ハイパースペース属性値を属性ベクトルにまとめることと、
前記属性ベクトルを前記サンプリングされたポイント及び前記ハイパースペースコードと結合して、前記第3ニューラルネットワークへ入力される前記ネットワーク入力にまとめることと
を更に有する、請求項1に記載の方法。
【請求項3】
前記ハイパースペースコードは、前記ハイパースペースコードが前記ハイパースペース属性値によって影響されないように前記スカラーマスクに対して調整される、
請求項2に記載の方法。
【請求項4】
前記動的オブジェクトに関連したビデオデータ及び訓練データを用いて教師ニューラルネットワークを訓練することと、
知識蒸留を用いて前記教師ニューラルネットワークから前記第3ニューラルネットワークを訓練することと、
前記ビデオデータを用いて前記第3ニューラルネットワークを調整することと
を更に有する、請求項1に記載の方法。
【請求項5】
前記第1ニューラルネットワーク、前記第2ニューラルネットワーク、又は前記第3ニューラルネットワークのうちの1つ以上は、知識蒸留により訓練される、
請求項1に記載の方法。
【請求項6】
前記動的オブジェクトを表す前記3次元シーンの前記画像が表示されるように前記RGB値を表示デバイスに表示することを更に有する、
請求項1に記載の方法。
【請求項7】
前記第1ニューラルネットワーク及び前記第2ニューラルネットワークは、フィードフォワード人工ニューラルネットワークである、
請求項1に記載の方法。
【請求項8】
前記第1ニューラルネットワーク及び前記第2ニューラルネットワークは、浅い多層パーセプトロンネットワークである、
請求項7に記載の方法。
【請求項9】
前記第3ニューラルネットワークは、深い残差色多層パーセプトロンリグレッサである、
請求項1に記載の方法。
【請求項10】
前記変形光線は、時間の関数としての正準光線空間への前記第1ニューラルネットワークによる前記第1光線のマッピングである、
請求項1に記載の方法。
(【請求項11】以降は省略されています)

発明の詳細な説明【技術分野】
【0001】
本開示で議論される実施形態は、アバター制御に関係がある。
続きを表示(約 2,100 文字)【背景技術】
【0002】
マシンビジョンは、機能及び精度において、2D観察を使用して3Dオブジェクトに関する決定を行うことに対するものを含め、進歩し続けている。様々なニューラルネットワークのいくつかの実施は計算が複雑である場合があり、その結果、3Dオブジェクトのレンダリングに時間が長くなったり、及び/又は3Dオブジェクトの表現が不十分であったりすることがある。例えば、いくつかのニューラルネットワークは、2Dオブジェクトを3D表現に変換するために2Dオブジェクトからピクセルごとに決定を行う場合がある。
【0003】
ここで請求される対象は、上述されたような環境でしか動作しない実施形態や、上述された如何なる欠点も解消する実施形態に制限されない。むしろ、この背景は、ここで記載されるいくつかの実施形態が実施される可能性がある技術分野の一例を説明するためにのみ設けられている。
【発明の概要】
【0004】
実施形態の側面に従って、方法は、変形光線を得るよう第1ニューラルネットワーク及び潜在コードを用いて第1時間における動的オブジェクトに関連した第1光線を変形させることを含んでよい。方法はまた、第1光線、第1時間、及び潜在コードを第2ニューラルネットワークに入力することによって、第1光線に関連したハイパースペースコードを取得することを含んでよい。方法は更に、変形光線から1つ以上のポイントをサンプリングすることを含んでよい。方法はまた、サンプリングされたポイント及びハイパースペースコードをネットワーク入力にまとめることを含んでよい。方法は更に、第2時間における動的オブジェクトを表す3次元シーンの画像をレンダリングするためのRGB値を得るようネットワーク入力を第3ニューラルネットワークに入力することを含んでよい。
【0005】
実施形態の目的及び利点は、少なくとも、特許請求の範囲で特に指し示されている要素、特徴、及び組み合わせによって、実現され達成されるであろう。
【0006】
上記の概要及び下記の詳細な説明はいずれも、例として与えられている実例であり、請求されている発明を限定するものではない。
【0007】
例となる実施形態は、添付の図面の使用を通じて更なる特定及び詳細を用いて記載され説明であろう。
【図面の簡単な説明】
【0008】
アバター制御をサポートするよう構成される環境の例のブロック図である。
アバター制御をサポートするよう構成される環境の他の例のブロック図である。
アバター制御とともに使用され得るニューラルネットワークを訓練することをサポートするよう構成される環境の例のブロック図である。
アバター制御の方法の例のフローチャートである。
アバター制御に関連した制御可能な属性入力の方法の例のフローチャートである。
アバター制御のために使用され得るコンピューティングシステムの例を表す。
【発明を実施するための形態】
【0009】
マシンビジョン、及び/又はマシンビジョンを使用したオブジェクトの表現は、近年大幅に進歩している。例えば、3次元(3D)オブジェクト及び/又はシーン(明示的に別なふうに言及されない限り、「オブジェクト」と総称される。)は、マシンビジョンシステムがオブジェクトの2次元(2D)画像を観察し解釈することを通じてモデル化及び/又は表現され得る。いくつかの状況で、マシンビジョンシステムは、2Dでオブジェクトを観察して、その3D表現を生成するために、1つ以上の機械学習システムを実装する。2Dオブジェクトの多くの3D表現は静止オブジェクトに基づく可能性があり、そのため、3D表現も静止している。静止オブジェクトに対するマシンビジョンシステムの機能性及び/又は計算時間の向上のために改善が導入されてきたが、動的オブジェクト(例えば、動く可能性がある又は動作中であり得るオブジェクト)のマシンビジョン処理は静止オブジェクト(例えば、動いていないオブジェクト)と比べて付加的な計算複雑性を含む場合がある。
【0010】
いくつかの状況で、光場ネットワーク(Light Field Network,LFN)が、2D観察から3Dオブジェクトを表現するためにマシンビジョンシステムで使用されることがある。例えば、LFNは、暗黙的なニューラル表現によりパラメータ化される360度の4次元光場での基礎となる3Dシーンのジオメトリ及び外観の両方の表現を含むことができる。更に、LFNは、好ましくは、剛体変形を含む可能性のある静止オブジェクト物体とともに使用され得る。例えば、時間とともに動的に変化する3Dオブジェクト、及び/又はオブジェクトに対して変化する画像キャプチャデバイスの関連する視点は、LFNによって表現され得ない及び/又は不正確に表現される可能性がある非剛体変形を導入する可能性がある。
(【0011】以降は省略されています)

この特許をJ-PlatPatで参照する
Flag Counter

関連特許

富士通株式会社
電源装置
16日前
富士通株式会社
車線区分装置及び方法
2日前
富士通株式会社
情報処理装置,プログラムおよび制御方法
2日前
富士通株式会社
分子動力学計算プログラム、方法、及び装置
2日前
富士通株式会社
予測プログラム、予測方法及び情報処理装置
17日前
富士通株式会社
方策学習装置、方策学習方法及び通信システム
17日前
富士通株式会社
タスク制御プログラム、情報処理装置及びタスク制御方法
2日前
富士通株式会社
情報処理プログラム、情報処理方法、および情報処理装置
18日前
富士通株式会社
情報処理プログラム、情報処理方法、および情報処理装置
3日前
富士通株式会社
医薬品管理装置、医薬品管理方法、医薬品管理プログラム
3日前
富士通株式会社
業務管理プログラム、業務管理方法、および情報処理装置
9日前
富士通株式会社
期待値算出システム、期待値算出装置、及び期待値算出方法
18日前
富士通株式会社
量子計算支援プログラム、量子計算支援方法、および情報処理装置
10日前
富士通株式会社
歩行訓練支援プログラム、歩行訓練支援方法、および情報処理装置
4日前
富士通株式会社
エレベータ管理プログラム、エレベータ管理方法、エレベータ管理装置
19日前
富士通株式会社
リソース割当て装置、リソース割当て方法、およびリソース割当てプログラム
16日前
富士通株式会社
基底エネルギー算出プログラム、基底エネルギー算出装置、および基底エネルギー算出方法
11日前
富士通株式会社
サイドリンクリソースの再選択方法及び装置
3日前
富士通株式会社
基地局、移動局、通信システム、及び通信方法
15日前
富士通株式会社
ワイヤーハーネス製造図設計支援プログラム、ワイヤーハーネス製造図設計支援方法、および情報処理装置
2日前
個人
非正規コート
12日前
個人
人物再現システム
9日前
個人
AI飲食最適化プラグイン
2日前
個人
電話管理システム及び管理方法
3日前
有限会社ノア
データ読取装置
10日前
株式会社ザメディア
出席管理システム
17日前
個人
広告提供システムおよびその方法
12日前
個人
日誌作成支援システム
9日前
トヨタ自動車株式会社
作業判定方法
18日前
株式会社タクテック
商品取出集品システム
16日前
トヨタ自動車株式会社
作業評価装置
23日前
ミサワホーム株式会社
情報処理装置
16日前
個人
ポイント還元付き配送システム
10日前
トヨタ自動車株式会社
工程計画装置
17日前
オベック実業株式会社
接続構造
9日前
株式会社村田製作所
動き検知装置
16日前
続きを見る