นำเสนอโดย นายกาญจนพันธุ์ ยุวรี

1. การจัดแยกประเภทของโซลิดเท็กซ์เจอร์โดยใช้รูปแบบหน้ากากสามมิติClassification of solid textures using 3D mask patterns ผู้แต่ง Motofumi T. Suzuki, Yaginuma Yoshitomo, Noritaka Osawa, Yuji Y. Sugimoto นำเสนอโดย นายกาญจนพันธุ์ ยุวรี

2. Introduction งานวิจัยหลายๆ ชิ้นถูกดำเนินการขึ้นเพื่อวิเคราะห์รูปแบบของเท็กซ์เจอร์สองมิติ ซึ่งช่วยในการพัฒนาโปรแกรมประยุกต์ทางคอมพิวเตอร์ แต่การวิเคราะห์รูปแบบของโซลิดเท็กซ์เจอร์สามมิตินั้นยังไม่ได้รับการค้นคว้าอย่างพอเพียง ถึงแม้ว่าจะมีซอฟต์แวร์ที่ใช้ข้อมูลสามมิติออกมาแล้วก็ตาม

3. Introduction (ขอบเขตงานวิจัย) • การเรียกคืนโซลิดเท็กซ์เจอร์สามมิติที่เหมือนกัน (similarily retrieval of 3D solid textures) • การแยกประเภทรูปแบบของโซลิดเท็กซ์เจอร์สามมิติ (pattern classification of 3D solid textures) - textures based on Perlin’s noise functions - textures based on Perlin’s noise functions with fractals

4. 3D Solid Texture • เท็กซ์เจอร์คือ สิ่งที่ใช้ห่อหุ้มพื้นผิวของวัตถุ เพื่อให้เกิดลวดลายบนผิววัตถุตามที่เราต้องการ • เท็กซ์เจอร์สามมิติ คือ ชุดของเท็กซ์เจอร์สองมิติที่เชื่อมต่อกัน • โซลิดเท็กซ์เจอร์สามมิติมักใช้ในการห่อหุ้มวัตถุที่ต้องการพื้นผิวเสมือนจริงชนิดต่าง ๆ เช่น ก้อนหิน เมฆ ไม้ควัน ฯลฯ

5. Example of 3D Solid Texture รูปตัวอย่างโซลิดเท็กซ์เจอร์สามมิติ

6. 2D and 3D Mask • หน้ากาก (Mask) คือกลุ่มของพิกซ์เซลหรือวอกซ์เซลที่ใช้ในการหาคุณลักษณะต่าง ๆ ของเท็กซ์เจอร์ • 2D mask มีขนาด 3x3 พิกซ์เซล มีรูปแบบที่เป็นไปได้ทั้งหมด 25 แบบ • 3D Mask มีขนาด 3x3x3 วอกซ์เซล มีรูปแบบที่เป็นไปได้ทั้งหมด 251 แบบ

7. รูปแบบ 2D Mask รูปแบบ 2D Mask รูปแบบ 2D Mask ที่เป็นไปได้ทั้ง 25 แบบ

8. รูปแบบ 3D Mask รูปแบบ 3D Mask

9. รูปแบบ 3D Mask รูปแบบ 3D Mask ที่เป็นไปได้ทั้ง 251 แบบ

10. Perlin’s noise function

11. Discriminant Analysis • เป็นวิธีการทางสถิติที่ใช้อธิบายความสัมพันธ์ระหว่างกลุ่มตัวแปรอิสระกับกลุ่มตัวแปรตาม ซึ่งเป็นวิธีที่จะช่วยให้ทราบว่าจำแนกกลุ่มอย่างไรจึงจะดีที่สุด ตามตัวแปรที่นำมาใช้ในการจำแนก โดยจำแนกได้ตั้งแต่สองกลุ่มหรือมากกว่านั้น g = a0x0 + a1x1+ … + anxn + b • b เป็นค่าคงที่ • a0 ถึง an เป็นสัมประสิทธิ์แบบถดถอย • x0ถึง xn เป็นตัวแปรอิสระ • g เป็นตัวแปรตาม

12. Y Y Y X X X Linear Discriminant Analysis

13. Pattern Classification System • เป็นระบบที่ใช้หาคุณลักษณะของ HLACสามมิติ • ต้องการฐานข้อมูลของโซลิดเท็กซ์เจอร์เพื่อที่จะแยกประเภทรูปแบบที่เหมือนกันโดยฐานข้อมูลโซลิดเท็กซ์เจอร์จะถูกสร้างขึ้นโดยอาศัยฟังก์ชันนอยส์ของเพอร์ลิน • ผลลัพธ์ของระบบจะแสดงออกมาเป็นลิสต์ของโซลิดเท็กซ์เจอร์สามมิติ • แสดงผลเป็นภาพแบบจำลองสามมิติ และภาพเท็กซ์เจอร์สองมิติที่หั่นออกมาจากเท็กซ์เจอร์สามมิติ

14. Pattern Classification System (ต่อ) 3D solid texture analysissystem (Similarity retrievals) 3D solid texture analysissystem (Pattern classifications)

15. Similarity Retrievals of 3D Solid Textures • ระบบจะทำการสร้างฐานข้อมูลโซลิดเท็กซ์เจอร์สามมิติขึ้นโดยอาศัยฟังก์ชันนอยส์ของเพอร์ลิน ซึ่งบรรจุโซลิดเท็กซ์เจอร์สามมิติ 500 แบบ • ระบบทำการสกัดคุณลักษณะของเท็กซ์เจอร์แต่ละตัวในฐานข้อมูล โดยที่เท็กซ์เจอร์แต่ละตัวมีคุณลักษณะของรูปแบบที่ไม่ซ้ำกันอยู่ 251 รูปแบบ • ใช้หลักการวิเคราะห์ส่วนประกอบ (Principal Component Analysis : PCA) เพื่อลดจำนวนคุณลักษณะที่ซ้ำซ้อนกัน • ใช้การเปรียบเทียบทิศทางของเวกเตอร์จากคุณลักษณะของรูปร่าง • เท็กซ์เจอร์สามมิติที่เหมือนกันเวกเตอร์จะมีทิศทางเหมือนกัน ส่วนที่ไม่เหมือนกันทิศทางของเวกเตอร์ก็จะไม่เหมือนกัน

16. Examples of outputs from the similarity retrieval system

17. Classification of 3D Solid Textures • สร้างโซลิดเท็กซ์เจอร์สามมิติขึ้นมาสองชนิดโดยอาศัยหลักการของ Perlin’s noise function และ Perlin’s noise function with fractal noise ซึ่งหลักการหลังนั้นจะมีการสร้างโพลิกอนเล็ก ๆ รูปแบบเดียวกันเพิ่มเข้าไปในฟังก์ชันนอยส์ • โดยโพลิกอนเล็ก ๆ ที่กระจายอยู่จะเป็นรูปแบบพื้นฐานซึ่งประกอบไปด้วยทรงกลม ทรงกระบอก และลูกบาศก์ • โปรแกรมจะทำการสร้างโซลิดเท็กซ์เจอร์สามมิติทั้งสองชนิดขึ้นมาซึ่งรวมกันอยู่ในลูกบาศก์วอกซ์เซลขนาด 64x64x64 โดยจะมีลูกบาศก์ที่ใช้ในการทดลองถูกสร้างขึ้นในฐานข้อมูล1,000 ลูก

18. Classification of 3D Solid Textures (ต่อ) • โซลิดเท็กซ์เจอร์สามมิติ 300 ชิ้น ถูกสร้างขึ้นเพื่อกระบวนการเรียนรู้ • ใช้หลักการวิเคราะห์แบ่งกลุ่ม (Discriminant Analysis) เพื่อกำหนดสมการเชิงเส้น สมการจะสามารถคาดคะเนชนิดของเท็กซ์เจอร์และสามารถระบุได้ว่ารูปร่างไหนที่สำคัญสำหรับการแยกประเภทโซลิดเท็กซ์เจอร์สามมิติ คุณลักษณะของรูปร่างที่อิทธิพลสูงกว่าในการแยกประเภทรูปร่างจะถูกคูณด้วยค่าสัมประสิทธิ์ขนาดใหญ่ • สมการเชิงเส้นทำการปรับค่า R-squared จาก 0.899 ไปเป็น 0.912ฉะนั้นจึงเชื่อได้ว่าสมการเชิงเส้นนี้สามารถคาดคะเนกลุ่มของเท็กซ์เจอร์ได้เป็นอย่างดี

19. Classification of 3D Solid Textures (ต่อ) ตัวอย่างของลูกบาศก์วอกซ์เซลที่ บรรจุไปด้วยเท็กซ์เจอร์สองชนิด ตัวอย่างผลลัพธ์ของการแยกประเภท รูปแบบโซลิดเท็กซ์เจอร์สามมิติ จากตัวอย่างนี้ประมาณ 4% (12033 จาก 262144) ของวอกซ์เซล ที่ไม่สามารถแยกประเภทได้สำเร็จซึ่งแสดงเป็นพื้นที่สีดำ จากการทดลองทำการแยกประเภทของโซลิดเท็กซ์เจอร์สามมิติ 50 อัน ค่าเฉลี่ยของเท็กซ์เจอร์ที่แยกประเภทสำเร็จอยู่ที่ 92%

20. Summary • ระบบสามารถตรวจพบรูปแบบโซลิดเท็กซ์เจอร์สามมิติที่เหมือนกันได้ • ระบบตรวจรู้สามารถเรียนรู้รูปแบบวอกซ์เซลจากข้อมูลตัวอย่างวอกซ์เซล โดยใช้หน้ากากHLAC สามมิติและการวิเคราะห์ทางสถิติ • ระบบไม่ต้องการโปรแกรมพิเศษอื่น ๆ สำหรับแยกประเภท ถึงแม้ว่ารูปแบบของเป้าหมายที่ถูกตรวจจะเปลี่ยนไป • เวลาที่ใช้ในการประมวลผลการตรวจรู้นั้นจะตายตัว โดยไม่สนว่าข้อมูลรูปแบบวอกซ์เซลจะเรียบง่ายหรือซับซ้อน

21. Future Work ในการทดลองนี้มีโซลิดเท็กซ์เจอร์สามมิติเพียงสองชนิดเท่านั้นที่ถูกแยกประเภท แต่ในอนาคตระบบควรจะสามารถแยกประเภทเท็กซ์เจอร์ได้มากกว่าสองชนิด โดยการประยุกต์หลักการวิเคราะห์ทางสถิติ

22. References • M. T. Suzuki, Y. Yaginuma, T. Yamada and Y. Shimizu, ShapeDescriptors Based on Extended 3D HigherOrder LocalAutocorrelation Masks • http://moto-suzuki.net • http://freespace.virgin.net/hugo.elias/models/m_perlin.htm • http://www.nidambe11.net/ekonomiz/eview_doc/eview_manual2.htm • http://www.reccit.kmitl.ac.th/thai/sign/labbi/research/trese_labbi.html • http:// en.wikipedia.org/wiki/Fractal • http://www.noisemachine.com/talk1/