慶應義塾大学学術情報リポジトリ(KOARA)KeiO Associated Repository of Academic resources

慶應義塾大学学術情報リポジトリ(KOARA)

ホーム  »»  アイテム一覧  »»  アイテム詳細

アイテム詳細

アイテムタイプ Article
ID
2018000005-20180127  
プレビュー
画像
thumbnail  
キャプション  
本文
2018000005-20180127.pdf
Type :application/pdf Download
Size :110.0 KB
Last updated :Oct 24, 2022
Downloads : 62

Total downloads since Oct 24, 2022 : 62
 
本文公開日
 
タイトル
タイトル 自己変形性を持った3Dプリンティングのためのボクセルモデリングの研究  
カナ ジコ ヘンケイセイ オ モッタ 3D プリンティング ノ タメ ノ ボクセル モデリング ノ ケンキュウ  
ローマ字 Jiko henkeisei o motta 3D purintingu no tame no bokuseru moderingu no kenkyū  
別タイトル
名前 3D modeling based on voxels for autogenous deformation in 3D printing technology  
カナ  
ローマ字  
著者
名前 田中, 浩也  
カナ タナカ, ヒロヤ  
ローマ字 Tanaka, Hiroya  
所属 慶應義塾大学環境情報学部教授  
所属(翻訳)  
役割 Research team head  
外部リンク  
 
出版地
 
出版者
名前 慶應義塾大学  
カナ ケイオウ ギジュク ダイガク  
ローマ字 Keiō gijuku daigaku  
日付
出版年(from:yyyy) 2020  
出版年(to:yyyy)  
作成日(yyyy-mm-dd)  
更新日(yyyy-mm-dd)  
記録日(yyyy-mm-dd)  
形態
1 pdf  
上位タイトル
名前 学事振興資金研究成果実績報告書  
翻訳  
 
 
2018  
 
開始ページ  
終了ページ  
ISSN
 
ISBN
 
DOI
URI
JaLCDOI
NII論文ID
 
医中誌ID
 
その他ID
 
博士論文情報
学位授与番号  
学位授与年月日  
学位名  
学位授与機関  
抄録
従来の線・面から点・立体(ボクセル)を要素単位とした3Dモデルにより、3Dプリンティングの分野において、時間軸を持った3D形状や、材料の特性と形状の時間変化プログラミングによる自己変形性を考えることができる。ボクセルにもとづく新たな3Dデータ生成方法として、本年度は、深層学習(CNN:畳み込みニューラルネットワーク)技術を基盤に(1)2次元スケッチから立体形状を生成する(2)表面形状から内部構造を生成する(3)時間経過による形状の変化を生成する手法に取り組んだ。(1)では複数の形状カテゴリーの3Dモデルを同時に学習でき、任意の視点からのスケッチが入力できる学習システムを開発した。(2)では人体内部のCTスキャンデータを用い、人体表面とCTスキャンの横断面図を対応づけ、立体の表面形状から骨格を生成するシステムを開発した。(3)では、3D形状を時間軸に沿って収縮させて3Dの時系列データを取得し、その逆回しにより任意の形状から成長(時間変化)して到達する形状を生成するシステムを開発した。いずれも深層学習のための時間変化する3D形状(4D)の大量のデータベースが必要となり、また3Dプリンティングのためには、材料の開発とそれらに適合するプログラム開発が必要と考えられる。
This study investigates 3D modeling based on voxels for 3D shape in time scale or autogenous deformation in 3D printing technology combined with new materials and programming technique. Convolution Neural Network is utilized to obtain 3 types of 3D Voxel data (1) from 2 dimensional sketch by hand, (2) from 3D surface, and (3) of growing in time scale. The CNN algorithm which is adjusted to able to learn two or more categories of 3D shape at one process and to accept input sketch images from arbitral point of view is incorporated on the system (1). Regarding the system (2), the computer learns human body surface shapes from its CT scan images on the same horizontal sliced plane then the machine discriminates bone-like shape from any 3D shape. On the system (3), the computer obtains a set of 3D shapes decreased by constant volume as time series data then learns a piece of decreased shapes will grow to the original shape. Considerable amount of 3D shapes data with time scale (4D) is necessary for the deep learning system and new materials and further programming technique should be developed to realize the data to print in 3D.
 
目次

 
キーワード
 
NDC
 
注記

 
言語
日本語  

英語  
資源タイプ
text  
ジャンル
Research Paper  
著者版フラグ
publisher  
関連DOI
アクセス条件

 
最終更新日
Oct 24, 2022 13:35:19  
作成日
Oct 24, 2022 13:35:19  
所有者
mediacenter
 
更新履歴
Oct 24, 2022    インデックス を変更
 
インデックス
/ Public / 塾内助成報告書 / 学事振興資金研究成果実績報告書 / 2018年度
 
関連アイテム
 

ランキング

最も多く閲覧されたアイテム
1位 新自由主義に抗す... (490) 1st
2位 慶應義塾図書館史... (401)
3位 斎藤隆夫の「粛軍... (394)
4位 認知文法から考え... (379)
5位 M&Aにおける... (372)

最も多くダウンロードされたアイテム
1位 A study on the s... (398) 1st
2位 新参ファンと古参... (323)
3位 日本における美容... (281)
4位 新自由主義に抗す... (238)
5位 重陽の詩歌 : 詩... (232)

LINK

慶應義塾ホームページへ
慶應義塾大学メディアセンターデジタルコレクション
慶應義塾大学メディアセンター本部
慶應義塾研究者情報データベース