AI・数理解析を用いた 新たなコンピュータ・グラフィックス技術

ニューラルネット自身が持つ特性や大規模基盤モデルを活用した三次元形状データの創生・計測・補正に関する研究・開発に取り組む。現在は、教師なし学習による三次元形状のノイズ除去や欠損補完、NeRF・3DGSに基づく三次元再構成に重点的に取り組んでいる。 実応用に根ざした柔軟かつ高精度な三次元データ処理を可能にする点に加え、数理的な定式化やアルゴリズム設計にも重点を置き、理論と実践の両面から新たな知見の創出を目指している。

三次元形状データの補正・再構成において、自己事前知識や自己教師あり学習を活用する点に独自性を有する。大量学習データや教師情報に依存する従来法と異なり、ノイズや欠損を含む不完全なデータだけから教師なしに高精度な補正を可能にしている。 取り扱う三次元データは、LiDAR等のセンサから取得できる点群、CGでは一般的なメッシュの他、工業用のX線CT装置で得られるボリュームデータなど多岐に渡り、三次元をキーワードにして、様々な業態での応用可能性を見込んでいる。

CAD分野では、いくつかの主要企業が提供するソフトウェアが寡占状態にあるが、当該研究の技術の社会実装では、プラグイン形式での提供で多数のユーザを獲得できる可能性が十分にあると考えられる。 形状の補正といった単一の機能だけで動作する基盤技術については、SaaSとしての提供による社会実装にも現実性がある。