Mesh segmentation from sparse face labels using graph convolutional neural networks

Derin öğrenmedeki belirgin gelişmeler Bilgisayar Bilimlerinin neredeyse her alanını etkilemektedir. Bilgisayar grafiklerinde nesne bölütlemesi aktif bir araştırma alanı olmuştur ve derin öğrenme gelişmeleri trendini yakından takip etmektedir. Nesne bölütlemesi, 3 boyutlu nesneler ile ilgili birçok uygulama alanında merkezi bir role sahiptir. Nesneyi manipüle etmek veya bileşenlerini analiz etmek için esas olarak nesne yapısını üretmek için kullanılır. Bu işlem çok temel bir role sahiptir ve bu temel olma özelliği uygulama alanlarına çeşitliliğe neden olur. Uygulama alanlarındaki çeşitlilik, zaman ve bellek kullanımı üzerinde öncelik sapmalarına yol açmaktadır. Bu tezde, Grafiksel Evrişimli Sinir Ağlarını kullanarak Nesne Bölütlemesi problemini çözüyoruz. Metodumuz, bölgesel olarak bölütleri etiketlenmiş objeleri alarak, nesnenin bölütlenmiş halini sonuç olarak üreten yarı denetimli bir yöntemdir. Bölütlenecek nesnenin ağ bilgisini kullanarak, yüzeylerin bağlantılari ile bir grafik olarak düşünüyoruz, ağın 3 boyutlu düzlemde olması olması sinir ağımız için geometrik olarak mantıksal özellikler oluşturmamızı sağlıyor. Komşuluk bilgilerinin kullanılması, oldukça yeni bir kavram olan Grafiksel Evrişimli Sinir Ağları tarafından korunmakta olup, bu yeni sinir ağlarının kullanılarak nesne bölütlemesi işleminin uygulanması; ilk kez bu çalışmada bizim tarafımızdan gerçekleştirilmiştir. Kısaca özetlenen yöntemi kullanarak, alanlarında en iyi kabul edilen nesne bölütlemesi yöntemleriyle kıyaslanabilecek sonuçlara ulaşıyoruz.