Сколтех — новый технологический университет, созданный в 2011 году в Москве командой российских и зарубежных профессоров с мировым именем. Здесь преподают действующие ученые, студентам дана свобода в выборе дисциплин, обучение включает работу над собственным исследовательским проектом, стажировку в индустрии, предпринимательскую подготовку и постоянное нахождение в международной среде.

Исследователи CDISE удостоены награды за лучший набор данных для задач обработки геометрии

На состоявшемся этим летом ежегодном Симпозиуме по обработке геометрии Европейской ассоциации компьютерной графики Eurographics исследователи группы ADASE Центра Сколтеха по научным и инженерным вычислительным технологиям для задач с большими массивами данных (CDISE)  ‒ аспирант Альберт Матвеев, научный сотрудник Алексей Артемов и профессор Евгений Бурнаев, были удостоены награды за лучший «Набор данных для обработки геометрии» за исследования по использованию набора данных ABC в геометрических алгоритмах машинного обучения. Симпозиум Eurographics, который в этом году проходил в Милане с 8 по 10 июля, является крупнейшей площадкой, где исследователи из разных стран мира представляют последние  достижения в области обработки геометрии.

Обладателями наград за лучшие наборы данных для обработки геометрии становятся разработчики качественных наборов данных, которые могут использоваться специалистами в области обработки геометрии в качестве контрольных данных при отработке существующих и перспективных алгоритмов.

В научной работе, представленной на конференции IEEE CVPR 2019, авторы исследовали набор данных ABC Dataset, включающий около миллиона CAD-моделей, предназначенных для исследования геометрических методов и приложений глубокого обучения. Каждая модель в наборе представляет собой набор кривых и поверхностей, детально описанных набором параметров, и используется в качестве контрольного набора данных при решении задач определения дифференциальных величин, сегментации изображений, определения признаков геометрических объектов и восстановления формы объекта. Наличие выборки параметров, описывающих поверхности и кривые, позволяет генерировать данные в различных форматах и с разным уровнем разрешения, что в свою очередь обеспечивает достоверность результатов сравнения при отработке широкого спектра геометрических алгоритмов машинного обучения. В качестве рабочего сценария авторы выполнили масштабный сравнительный анализ с целью расчета нормалей поверхностей и оценки эффективности современных методов, основанных на данных, сопоставив их результаты с контрольными данными и результатами, получаемыми при помощи традиционных методов расчета нормалей.

sgp2019_dataset_award

Данная научная работа проводилась в сотрудничестве с исследователями Берлинского технического университета (Себастьян Кох и Марк Алекса) и Нью-Йоркского университета (Чжунши Цзян, Фрэнсис Уильямс, Денис Зорин и Даньеле Паноццо).

Ссылки:

  1. ABC: A Big CAD Model Dataset for Geometric Deep Learning  Sebastian Koch, Albert Matveev, Zhongshi Jiang, Francis Williams, Alexey Artemov, Evgeny Burnaev, Marc Alexa, Denis Zorin, Daniele Panozzo; The IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2019, pp. 9601-9611 http://openaccess.thecvf.com/content_CVPR_2019/html/Koch_ABC_A_Big_CAD_Model_Dataset_for_Geometric_Deep_Learning_CVPR_2019_paper.html
  1. ABC Dataset A Big CAD Model Dataset For Geometric Deep Learning https://deep-geometry.github.io/abc-dataset/
  1. Symposium on Geometry Processing 2019 https://sgp2019.di.unimi.it

 

Контакты:
Skoltech Communications
+7 (495) 280 14 81

Share on VK