第17章. 3Dデータサイエンスのワークフロー
この作品はAIを使って翻訳されている。ご意見、ご感想をお待ちしている:translation-feedback@oreilly.com
私たちの、3Dデータサイエンスの探求は終わりに近づいている。Pythonのパワーで実現したモジュール化されたすべての側面を誇りに思うべきだ。我々はあらゆる3Dデータセットのためのエンドツーエンドのワークフローを開発し、重要なアウトプットを解き放つ高度な科学実験を行った。さて、一歩下がって全体像を見てみよう。
私たちは最初から、3Dデータサイエンスが、人間の振る舞いを模倣しようとする3Dデータ-システムに基づく最も有能な空間AIシステムを可能にすることを学んだ。これは本質的に、現実の複雑さを把握し、3Dデジタル世界で人間のように行動するエージェントを企てることを意味する。さて、第17章では我々はどのような立ち位置にいるのだろうか?
この章では、3Dデータサイエンスが可能にしたこと、つまり推論エージェントが行動するための候補となる3Dデジタル環境をデザインすることに焦点を当てる。それは、推論エージェントが行動するための候補となる3Dデジタル環境を設計することである。これは、今あなたが習得したと自負している主なテクニックを復習し、学びを明確にし、あらゆる3Dデータサイエンスシステムを作成するための青写真を描くことを意味する。超実利的に言えば、この段階で完全な3Dデータサイエンス・モジュラー・ワークフローが完成している。つまり、あらゆるモダリティを3D出力や分析的洞察に変えるための入力/出力ワークフローがあるということだ。
さらに、複雑な3D処理パイプラインを自動化することもできる。これは、パイプラインの特定の部分に対応する多くの異なるモジュールを持つことを意味する。このパイプラインは通常、アプリケーションの課題に答えるために定義される。例えば、部屋の椅子の数を計算したり、自動運転車の障害物を検出したり、MRIから脳の構造を推測したりといった具合だ。しかし今、もう少し潜ってみると、図17-1に示すように、デジタル環境を定義するためのパイプラインにあるさまざまな課題に対処する能力について、確信が持てるようになろう。これらの概念を、現実世界への影響と相互関係を強調しながら、統合してみよう。
図17-1. 3Dデータサイエンスで開発された主なワークフローモジュール
3Dデータ取得
最初に確認したモジュールは3Dデータ取得である(図17-2)。ここでは、この本全体をオーバーフローさせることを避けるため、素早く移動したが、マルチビュ ー画像から3Dデータセットを作成するソリューションがある。この段階では、これらは3D点群であり、テクスチャを持つ3Dメッシュを導出する可能性がある。
図17-2. フェーズ1:3Dデータ収集
新技術の進歩により、推論プロセス、新しい空間AIシステム、Deep Learningアーキテクチャを使用して、その情報を取得することができる。例えば、 MiDaSや ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access