Selecting Representative Views of 3D Objects By Affinity Propagation for Retrieval and Classification

We propose a method to select representative views of single objects and classes of objects for 3D object retrieval and classification. Our method is based on projected 2D shapes, or views, of the 3D objects, where the representative views are selected by applying affinity propagation to cluster uniformly sampled views. Affinity propagation assigns prototypes to each cluster during the clustering process, thereby providing a natural criterion to select views. We recursively apply affinity propagation to the selected views of objects classified as single classes to obtain representative views of classes of objects. By enabling classification as well as retrieval, effective management of large scale databases for retrieval can be enhanced, since we can avoid exhaustive search over all objects by first classifying the object. We demonstrate the effectiveness of the proposed method for both retrieval and classification by experimental results based on the Princeton benchmark database [16].

검색과 분류를 위한 친근도 전파 기반 3차원 모델의 특징적 시점 추출 기법

본 논문은 단일 3차원 모델과 모델의 클래스의 특징적인 시점을 추출하여 3차원 모델 검색 및 분류를 수행하는 기법을 제안한다. 제안하는 기법은 3차원 모델을 투영한 2차원 형상 중에 특징적인 형상을 추출하는데, 이때 고르게 샘플(sample)된 형상들을 최근 개발된 친근도 전파 (affinity propagation) 기법을 이용하여 군집화(clustering)한다. 친근도 전파는 데이터를 군집화하는 동시에 각 클러스터의 대표 값을 계산하므로, 군집화된 형상들로부터 대표 형상이 자연스럽게 지정된다. 제안하는 기법은 친근도 기법을 클래스별로 각 모델의 대표 형상 집합에 재차 적용하여 클래스의 대표 형상을 추출하고, 이를 기반으로 하여 3차원 모델의 분류도 가능하게 한다. 3차원 모델의 검색 뿐 아니라 분류를 가능하게 함으로써, 분류를 검색의 전처리 과정으로 하여 연관된 클래스의 모델 중에서만 검색을 수행할 수 있게 하여 단위가 큰 데이터베이스에서도 효율적인 검색을 가능하게 한다. [16]에 제안된 프린스턴 벤치마크 데이터베이스(Princeton benchmark database)을 이용한 실험을 통해 제안하는 검색 및 분류 기법의 유용함을 보인다.