3차원 점군 특징 추출을 위한 오토인코더 방법론 비교 분석

Q: 이 논문에서 정의한 오토인코더란 무엇인가?

오토인코더는 인코더와 디코더로 구성된 딥러닝 모델로, 입력된 3차원 형상을 압축하고 다시 복원하는 과정에서 형상 자체의 특징을 효과적으로 추출하는 데 활용된다. 이는 3차원 형상 유사도 비교를 위한 특징 추출에 주로 사용된다.

Q: 3차원 점군 특징 추출을 위해 오토인코더를 어떻게 활용하는가?

연구 결과, 오토인코더는 3차원 점군의 특징을 추출하고 이를 기반으로 서로 다른 형상의 유사도를 비교하는 데 활용될 수 있다. 특히 다양한 오토인코더 구조를 비교 분석하여 특징 추출 성능을 최적화하는 방법을 모색한다.

윤영준; 전예성; 한서희; 권순조

추천

검색

질문

자료유형: 학술대회자료

저자정보: 윤영준 (국립금오공과대학교) 전예성 (국립금오공과대학교) 한서희 (국립금오공과대학교) 권순조 (국립금오공과대학교)

저널정보: 한국기계가공학회 한국기계가공학회 춘추계학술대회 논문집 한국기계가공학회 2024년도 춘계학술대회 논문집

발행연도: 2024.4

수록면: 120 - 120 (1page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

제품 설계 단계에서 기존의 설계를 재활용하기 위한 검색 단계에서 3차원 형상 유사도 비교 기술이 필요하다. 3차원 형상 유사도 비교를 위해서는 3차원 형상의 특징을 추출할 수 있어야 하는데, 최근 딥러닝 기반의 오토인코더가 특징 추출에 자주 활용되고 있다. 오토인코더는 인코더와 디코더로 구성되며, 입력된 형상을 압축 ... 전체 초록 보기

#Feature extraction #Autoencoder #Shape comparison

참고문헌

참고문헌 신청

최근 본 자료

전체보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)