Búsqueda parcial en modelos tridimensionales no rígidos mediante descriptores espectrales

• Autor: Llerena Quenaya, Jan Franco
• Formato: tesis de maestría
• Fecha de Publicación: 2016
• Institución: Universidad Nacional de San Agustín
• Repositorio: UNSA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsa.edu.pe:UNSA/10800
• Enlace del recurso: http://repositorio.unsa.edu.pe/handle/UNSA/10800
• Nivel de acceso: acceso abierto
• Materia: Modelos tridimensionales no rígidos; análisis de modelos 3D; descripto- res espectrales; Heat Kernel Signature; Wave Kernel Signature; Global Intrinsic Symmetry Invariant Functions; búsqueda parcial; https://purl.org/pe-repo/ocde/ford#2.11.02

El desarrollo de algoritmos para el análisis de imágenes ha sido estudiado por décadas. Sin embargo, los avances tecnológicos y la posterior aparición de nuevos dispositivos a bajo costo para la captura de datos tridimensio- nales, han logrado que la comunidad científica preste una atención especial en el desarrollo de métodos para el análisis de modelos tridimensionales. Esta tesis busca desarrollar un nuevo algoritmo para resolver el problema de búsqueda parcial de modelos 3D. En otras palabras, el objetivo es recu- perar todos aquellos modelos que presenten similitud parcial con un objeto consulta específico. Para ello, es necesario encontrar aquellas regiones en los modelos que sean consideradas más relevantes. Estas zonas son llama- das key components. Como parte de la tesis, dos aportes significativos fueron desarrollados. En primer lugar, se propone un algoritmo para la detección de key components en modelos no rígidos empleando descriptores espectrales. En segundo lu- gar, se plantea un método para la solución del problema de búsqueda basa- do en los componentes detectados previamente. A partir de una función de distancia y bag of features, se busca describir los modelos de manera unívoca, para posteriormente evaluar su similitud. Para mostrar la robustez de la propuesta, se realizaron los experimentos en las bases de datos de SHREC (Shape Retrieval Contest), las mismas que con- tienen modelos de diferentes clases y sujetos a diversas transformaciones. Asimismo, se comparó el método desarrollado con otras técnicas del estado del arte.