Shape Descriptor Evaluation using Synthetic Data

Abstract

Shape Descriptors er betydningsfulle, siden de tilbyr en løsning til et vanskelig problem i det å sammenligne geometriske former. Dette problemet er gjengående i flere inntredende applikasjoner som 3D shape recognition og 3D shape retrieval.

Til tross for dette er det flere artikler innen feltet som argumenter for at den nåværende evalueringen er mangelfull siden den ofte er gjennomført med bruk av begrensede datasett som ikke representer relevante situasjoner godt nok. 3D data for sammenligning produsert i slike situasjoner er ofte forstyrret eller manglende, noe som gjør dem vanskelige å gjenkjenne. Dermed er det naturlig å stille spørsmål ved hvorvidt shape descriptors er generelt anvendelige.

Denne avhandlingen presenter en løsning til dette problemet i form av et system som tilbyr både kvantitativ og kvalitativ evaluering via bruken av generert syntetisk data. Syntetisk data etterligner gjennomtredende forstyrelser i 3D objekter ved å endre dem på kunstig vis, og er allerede i bruk i shape descriptors evaluering. Dette systemet derimot, anvender syntetisk data direkte for å bekjempe problemet med mangelfulle datasett. Det lar brukeren selv styre systemet for å generere et vilkårlig stort datasett med passende forstyrelser som gjenspeiler en ønsket situasjon. Systemet evaluerer deretter shape descriptors med dette datasettet.

Shape Descriptors have great appeal as they offer a solution to the difficult problem of comparing geometric shapes. This problem appears throughout several emerging applications such as 3D shape recognition and 3D shape retrieval.

However, several papers within the field argue the current evaluation is inadequate, since they are often performed using limited data sets that do not provide sufficient representation of relevant scenarios. The data produced in these scenarios are often affected by disturbances that interfere in their depiction, making comparison difficult. This naturally brings into question the shape descriptors' practical applicability.

This thesis presents a system solving this problem by providing quantitative and qualitative evaluation through the use, and generation of, synthetic data. Synthetic data imitates particular disturbances by artificially altering objects, and already sees use in shape descriptor evaluation. This system, however, uses it to directly address the problem of limited data, letting users configure the system based on the relevant scenario and then generate an arbitrary amount of data reflecting its associated disturbances. The system then evaluates a specified shape descriptor using this data.