拡張現実 UI を対象とした 3 次元 CG データ配信機構の検討

DEIM Forum 2014 F5-2
拡張現実 UI を対象とした 3 次元 CG データ配信機構の検討
本多宏至†
鷹野孝典‡
†神奈川工科大学大学院工学研究科情報工学専攻〒243-0292 神奈川県厚木市下荻野 1030
‡神奈川工科大学情報学部情報工学科〒243-0292 神奈川県厚木市下荻野 1030
E-mail:
†[email protected], ‡takano@ic. kanagawa-it.ac.jp
あらまし本稿では，拡張現実 UI を対象とした 3 次元 CG データ配信機構について述べる．本研究では特に，3
次元 CG データ配信を Web サービスとして構築し，個々の 3 次元 CG データ配信サーバをクロールする仕組みを導
入することにより，拡張現実 UI へ配信するための 3 次元 CG 情報を収集・管理するためのプラットフォームの実現
方式を示す．さらに，3 次元 CG のメタデータから抽出される意味的な関連性および利用者の嗜好性に基づいて 3
次元 CG を分類することにより，拡張現実 UI における 3 次元 CG 配信をパーソナライゼーションする手法を示す．
本研究では，拡張現実 UI を備えたアプリケーションを用いた実験により，本機構の実現可能性を検証する．
キーワード拡張現実 UI，3 次元 CG，動植物コンテンツ，Web サービス，データ配信
1. はじめに
るためのポータルサイトが登場し始めているが，有料
モバイル環境における情報配信のためのユーザイ
でのみ利用可能となっているものが多い．しかし，3
ンターフェース（ UI）として，拡張現実 UI が普及し
次元 CG の作成には，まず 3 次元 CG のモデルを構築
始めている．拡張現実 UI の主機能の一つとして，カ
する必要があり，テキスト情報や 2 次元 CG を対象と
メラ映像上に情報を重畳表示する機能がある．この機
したコンテンツを作成する場合よりも制作コストが高
能では，アノテーション情報に加えて，音声，画像，
い． 3 次元 CG コンテンツを様々な情報提供サービス
動画，3 次元コンピュータグラフィックス（ CG）等の
から利用することを目的として，地図情報サービスで
コンテンツが配信される．
は既に体系化されているコンテンツの登録・配信・共
モバイル環境において調査，学習，デザイン等の作
有化といった 3 次元 CG を包括的に再利用する仕組み
業を行う際，このような拡張現実 UI を利用して情報
が整えば， 3 次元 CG コンテンツの流通を促進し，利
獲得を行う場合に，現在関心の対象となっているもの
活用を活性化させる事が実現できると考えられる．
に加えて，その関連項目を提示することにより，比較
本研究では， 3 次元 CG コンテンツのメタデータか
しながら作業を進めやすくなると考えられる．例えば，
ら抽出される意味的な関連性および利用者の嗜好性に
庭園のデザインを行う場合には，植栽の種類や配置を
基づいて 3 次元 CG をランキングすることにより，拡
決める工程がある．この際，デザイナは候補となる植
張現実 UI における 3 次元 CG 配信データをパーソナラ
栽の中から，それらの色合いや立体的な特徴を実際の
イゼーションする方式を示す．また，本方式の実現の
庭園の風景と重ね合わせながら，比較検討したいと考
ため， 3 次元 CG データ配信を Web サービスとして構
えるかもしれない．また，遺跡調査を行っている場合
築し，個々の 3 次元 CG データ配信サーバをクロール
は，遺跡周辺の発掘物について，現在観察対象となっ
する仕組みを導入することにより，拡張現実 UI へ配
ているものに加えて，これまでに発掘されてきた出土
信するための 3 次元 CG 情報を収集・管理するための
品等と比較することにより、分析・考察を行いたいと
プラットフォームの実現方式を示す．
思うかもしれない．
一方， 3 次元 CG コンテンツの配信サービスとして
本研究では，実験により提案方式の実現可能性を確
認する．
は，拡張現実 UI による情報提供サービス [10][11]と密
に連結したものが多く，そのような 3 次元 CG コンテ
2. 関連研究
ンツ配信サービスでは，ユーザが他者と共有すること
ドキュメント間の内容に着目して類似度を算出す
を目的して作成したコンテンツも，基本的には同一の
ることにより， Web ドキュメントのリンクを自動生成
サービス内でしか利用することができない．また，動
する方式が提案されている [3][4]．
植物，建造物，一般的な家電，家具類等の目的別に作
文献 [3]は，学習者が訪れたページから関連知識の解
成された 3 次元 CG コンテンツについて，様々なアプ
説を参照・適用できるようにするのが最も基本的な知
リケーションでの利用を想定した 3 次元 CG を配信す
識定着支援であると考え， Web ページに関連知識の解
説をリンクする枠組みを提案している．文献 [4]では，
好性に基づいたパーソナライゼーション方式を示す．3
アンカー文字列と，そのリンク先ページに出現する単
次元 CG のメタデータの例を図 1 に示す．
語相間は高いと考え，単語の相間の大きさによって，
動植物の 3 次元 CG のメタデータ中に，対象となっ
リンク先ページの内容を反映したメタデータをアンカ
ている動植物の関連項目を記述するには下記のような
ー文字列に生成する手法を提案している．また，特定
方法が考えられる．
の分野に関する情報に対して，意味的な関連性を計量
するために，文脈に応じて意味的に近い情報を検索す
1.
動植物調査の専門家が付与する．
るための検索環境を提供する方式が提案されている
2.
オンライン百科事典を参照して，該当する動植物
[2]．
3 次元オブジェクトの検索に関しても，各種研究が
なされている [6][7][17]．
文献 [6]は， 3D オブジェクトに対し詳細な記述子を
の関連項目を抽出し付与する．
3.
動植物メタデータの内容に基づいて，動植物間の
関連性を算出することにより，関連があると判断
されるものを付与する．
設計し、深度マップを使い精度を上げる方式を示して
いる．文献 [7]では， 3D オブジェクトを検索する際、
3 次元 CG の関連項目は，様々な視点における関係
形状情報だけでなく空間上に付加されたキーワード情
性に基づいて記述されると考えられる．例えば，動植
報も使用することで，よりユーザの嗜好に合う検索結
物の関係性であれば，生息環境・地域，捕食関係，生
果を提示する手法を提案している．
物学上の分類などが挙げられる．本研究においては，3
さらに，複数のデータベースの異種間を解決し統合
に示される方法により，データベース中の動植物メタ
する方式として，各データベースのメタデータとシソ
データ間の内容に関する類似度に基づいて，各動植物
ーラスを用いて異種性を解決する方式がある [1]．
利用者の情報嗜好に基づいて，検索結果をパーソナ
の 3 次元 CG コンテンツに対して関連項目の抽出を行
う．
ライゼーションしている研究も数多く見受けられる
[12][14][18]．文献 [12]では，利用者が検索対象につい
て十分な知識を持っていない場合において，検索結果
をパーソナライゼーションするための手法を提示して
いる．
また，コンテンツの分類手法としては，ニュース記
事に着目したものが挙げられる [5][15][16] ．文献 [15]
では，固有表現を考慮することにより，読まれたニュ
ース項目と読まれていないニュース項目での同意語セ
ット間の類似度を計算することによる意味的な類似性
に基づいた推薦方法を示している．また，ヒューリス
ティックを用いてオンライン・ウェブ記事のヘッドラ
インを自動的に抽出する方法が提案されている [16]
3. 基本アイディア
<?xml version="1.0" encoding="UTF‐8" ?>
<ar:models>
<ar:model>
<model_info > <id> 1 </id>
<uri>http://3dcg.takanolab.org/?model_id=1</uri>
3次元CGコンテンツ
<filename> Canada_Goose </filename>
<format> mqo, 3ds, obj </format>
のメタデータ
<texture> Canada_Goose.jpg </texture>
</model_info >
<general_info>
<name> Canada Goose </name>
<class> Bird </class>
<order> Anseriformes </order>
<family> Anatidae </family>
生物の特徴に
<area> Canadian Rockies </area>
関するメタデータ
<description> In 2004, based on differences
in size, voice, and breeding habitat, … </description>
<seealso_ids>
関連項目のメタデータ
<manual> 4 13 26 9 78 </manual>
<wikipedia> 3 4 13 26 20 </wikipedia>
(a)専門家（手動）
<relevance> 3 20 9 78 19 5 8 </relevance>
(b)オンライン百科事典
</seealsos_ids>
(c)内容の関連性
</general_info >
<ar:model>
….
</ar:models>
我々はこれまで，動植物を対象とした 3 次元 CG の
図 1 3 次元 CG のメタデータの例
閲覧・操作に基づいて抽出される，利用者の動植物に
対する興味や関心に基づいて，学習すべき動植物コン
テンツのランキング方式を提案してきた [8]．この方式
提案方式では，このように 3 次元 CG コンテンツのメ
では，利用者の個人プロファイルにおける動植物の嗜
タデータとして付与される関連項目を重要視すること
好情報を用いて，データベース中の動植物コンテンツ
により，利用者の嗜好性に基づいたパーソナライゼー
をランキングし，スコアの高いものから順に利用者に
ションを，次のように行う．
配信を行っている．本研究においては，この方式を拡
提案方式では，関連項目のリストを個人プロファイ
張し，3 次元 CG コンテンツのランキングにおいて，3
ルに基づいた利用者の動植物に対する興味や関心に応
次元 CG コンテンツのメタデータに付与される関連項
じて並び替えたものを，優先的にランキングの上位に
目を重要視することにより，拡張現実 UI 上への 3 次
提示する．
元 CG 配信において，意味的な関連性及び利用者の嗜
例えば，データベース中の動植物コンテンツ集合が，
{A, B, C, D, E, F, G, H}であるとし，そのうち，関連項
ーションを行う．
目のリスト R には，[A, C, D]が追加されているとする．
このうち，個人プロファイルに基づいて，R に含まれ
4. 提案方式
るコンテンツについては，下記のようなランキング結
4.1. 3 次元 CG 配信プラットフォーム
果が得られたとする．ここで，これらの動植物コンテ
本研究にて実現する 3 次元 CG 配信プラットフォー
ンツの優先度を高めるために，相関値に対して重み付
ムを図 2 に示す．本プラットフォームは，主に (A)動植
けを行うことによりスコアを算出する．下記の例では，
物 3 次元 CG 配信モジュール， (B)3 次元 CG コンテン
2 倍に重み付けを行っている．
ツ収集クローラ，及びデータベース群（個人プロファ
イル，動植物 3 次元 CG データベース）より構成され
表 1
順位
1
2
3
関連項目を対象としたスコア算出の例
修正スコア
動植物
相関値
(2 倍 )
コンテンツ
C
0.8
1.6
A
0.3
0.6
D
0.2
0.4
る．
また，R に含まれる動植物コンテンツを除外した，
データベース中の残りの動植物コンテンツについて，
下記のようなランキング結果が得られたとする．この
例では，スコアは相関量をそのまま用いている．
表 2
データベース中の動植物コンテンツを
対象としたスコア算出の例
動植物
相関値
順位
コンテンツ
(=スコア )
1
E
0.7
2
F
0.5
3
B
0.3
4
G
0.2
5
H
0.1
この例において，R 中の動植物コンテンツについて
は修正スコアを用いてランキングを行うと，下記のよ
うな結果が得られる．
図 2
3 次元 CG 配信プラットフォーム
表 3
順位
1
2
3
4
5
6
7
8
修正スコアを用いたランキング結果の例
修正前
修正後
動植物
動植物
スコア
スコア
コンテンツ
コンテンツ
E
0.7
C
1.2
C
0.6
E
0.7
F
0.5
A
0.6
B
0.3
F
0.5
A
0.3
D
0.4
D
0.2
B
0.3
G
0.2
G
0.2
H
0.1
H
0.1
動植物 3 次元 CG 配信モジュールは，利用者の 3 次
元 CG コンテンツの要求に応じて，3 次元 CG とともに，
メタデータとして関連する動植物データを返す．この
動植物データは，利用者の拡張現実 UI 上の 3 次元 CG
の閲覧・操作より抽出される動植物に対する興味や関
心を反映してランキングされる．動植物データの情報
は，先行研究 [8]で示した先読みキャッシュの候補とし
ても利用する事ができる．このランキング方法の詳細
については次節に述べる．
また， 3 次元 CG コンテンツ収集クローラは，独立
提案方式ではこのように， 3 次元 CG コンテンツの
に構築された各 3 次元 CG 配信サーバのクローリング
ランキングにおいて， 3 次元 CG コンテンツのメタデ
し，動植物 3 次元 CG とともにメタデータを動植物 3
ータに付与される関連項目を重要視することにより，
次元 CG データベースへ格納する．ここで，各 3 次元
拡張現実 UI 上への 3 次元 CG 配信において，意味的な
CG 配信サーバは， Web サービスとして実現されてい
関連性及び利用者の嗜好性に基づいたパーソナライゼ
ることを想定している．これにより，目的・分野別に
構築された 3 次元 CG データベース群を透過的に扱う
動植物データベースの構成，及び各 3 次元 CG データ
ためのプラットフォームを Web 環境上に構築するこ
ベースの概要を表 4 と表 5 に示す．また，クローラに
とができる．
より収集された動植物 3 次元 CG データベース中の動
植物データの概要を表 6 に示す．
4.2. 3 次元 CG 配信のパーソナライゼーション
表 4
3 次元 CG コンテンツのメタデータから抽出される
データベースの構成
データベース数
1 データベース当たりの
平均データ数
重複あり
データ総数
重複なし
意味的な関連性および利用者の嗜好性に基づいて 3 次
元 CG をランキングすることにより，拡張現実 UI にお
ける 3 次元 CG 配信をパーソナライゼーションするた
めの実現ステップを，下記に示す．
Step-1: 利用者は， 3 次元 CG を操作・閲覧する事によ
加する．ここで，関連項目は動植物 3 次元 CG に存在
DB 名
D1
D2
D3
D4
D5
するコンテンツが対象となる．ある動植物の 3 次元 CG
表 6
るための個人プロファイル P を生成する．
Step-2: 拡張現実 UI 上で，操作・閲覧の対象となった
3 次元 CG に対する関連項目を抽出し，リスト R へ追
コンテンツの k 回分の閲覧・操作について，閲覧・操
データが累積的または n 回分リストに追加される．
関連項目のリスト R: r 1 , r 2 , r 3 , …, r n
Step-3: リスト R 中の関連項目を，個人プロファイル P
に基づいて相関量を算出し，重み w を掛けた値をスコ
ア s1 とする．
s2 に基づいて関連する動植物データをランキングする．
5. 実験
本実験では，提案方式の実現可能性を確認するため
に，下記の 2 つの実験を行う．
[実験 1] 関連項目を内容に基づいて抽出する機能につ
いて，抽出された動植物データが適切なものであった
かを，適合率により評価を行う．
[実験 2] 利用者の 3 次元 CG コンテンツの要求に応じ
て，関連データとして 3 次元 CG とともに返される動
植物データの妥当性について検証する．
5.1. 実験環境
独立に構築された各 3 次元 CG 配信サーバにおける
713
565
3 次元 CG データベースの概要
概要
データ数
132
ロッキーの鳥・魚
135
丹沢の鳥・魚・昆虫・植物
109
動物
168
鳥
169
植物
クローラにより収集された動植物 3 次元 CG
表 7
Step-4: 統合データベース中の残りの動植物データに
Step-5: Step-3 と Step-4 の結果を統合し，スコア s 1 と
143
データベース中の動植物データの概要
種別
件数
109
哺乳類
168
鳥類
144
魚
104
昆虫
169
植物
20
爬虫類
17
両生類
作を行うごとに，その動植物の関連項目である動植物
を算出し，そのままスコア s2 とする．
5
表 5
り，観測の対象となっている動植物の嗜好性を抽出す
ついても個人プロファイル P に基づいて同様に相関量
独立に構築した動植物 3 次元 CG
Id
1
Name
名前
Cana
dian
toad
動植物 3 次元 CG データベース中の
動植物データの構成
Class Order Family
Area
綱
目
科
生息域
Texture
画像名
Amp
hibia
Canadi
an_toad
Anura
Bufoni
dae
Rocky
また，5 人の利用者（ user1～ user5）を想定し，各利
用者の 3 次元 CG 操作に基づいて，表 8 に示す個人プ
ロファイルを 5 つ作成した．
表 8 個人プロファイルの概要
個人プロファイル
説明
鳥を中心にロッキー地
U1
方の生き物を閲覧
ロッキー地方を中心と
U2
した生き物を閲覧
名称に Japanese とつくも
U3
のを中心に閲覧
植物を中心として，時折
U4
昆虫を閲覧
最初は植物を閲覧し，後
U5
半に昆虫を閲覧
5.2. 実験１
5.3. 実験 2
データベース中の動植物メタデータ間の内容に関
利用者の 3 次元 CG コンテンツの要求に応じて，関
する類似度に基づいて，各動植物の 3 次元 CG コンテ
連データとして 3 次元 CG とともに返される動植物デ
ンツに対して関連項目の抽出にした結果について，適
ータの妥当性について以下の 3 つを検証する．
合率を表 9 に示す．関連項目は，各動植物メタデータ
のうち，動植物の分類階級の Class， Order， Family の
I.
関連項目を累積していったもの
項目を用いた類似度計算により抽出した． 3 次元 CG
II.
現在のみの関連項目を利用したもの
データ 1 つにつき 10 個提示される．適合率を計算する
III. ひとつ前の関連項目までを利用したもの
にあたり，着目している 3 次元 CG の動植物と class
及び order が一致したものを適合したと判断する．
User1 が， 3 次元 CG コンテンツとして，鳥類であ
例えば， "Japanese beech"の 3 次元 CG を着目してい
る ”Azure kingfisher”を要求し， ”Azure kingfisher”に関
た場合，関連項目は ”Crispula”，”Goldenseal”，”Japanese
連する動植物データをランキングした結果を表 11 に
hornbeam”， ”Japanese maple Japanese zelkova” ， ”Red
示す．この結果より，関連項目を重視しない場合，及
leaved hornbeam”，”Sawtooth oak”，”Serrata”，”Stonecrop”
び関連項目を重視した場合（提案方式）において，そ
， ”Yedo hornbeam”の 10 件が抽出された．この場合，
れぞれ鳥類である動植物データが上位 10 件にランキ
10 件の関連データのうち 6 件が "Japanese beech" と
ングされていることが確認できる．表 11～ 13 の結果か
class (Plant)及び order (Fagales)が一致するため，適合
ら， I～ III それぞれについて関連項目を重視した場合
率は 60%となる．全ての動植物データについて算出し
（提案方式）の検索結果において，鳥類の特徴か
ら ”Azure kingfisher” に関連する ”Silvery kingfisher” な
た適合率の平均を表 10 に示す．
ど kingfisher 系の鳥類が上位に検索されていることが
表 9
関連項目の適合率の例（ Japanese beech）
Name
Class
Japanese beech
Plant
Order
Family
Fagales
Fagaceae
Crispula
○
○
○
Goldenseal
○
×
×
Japanese hornbeam
○
○
×
Japanese maple
○
×
×
Japanese zelkova
Red
leaved
hornbeam
Sawtooth oak
○
×
×
○
○
×
○
○
○
Serrata
○
○
○
Stonecrop
○
×
×
Yedo hornbeam
Japanese beech の
関連項目の適合率
○
○
×
100%
60%
30%
わかる．
表 11
順
位
1
2
3
4
5
6
表 10
動植物データ全体の平均適合率
関連性
7
適合率
Class
100%
8
Order
82%
9
Family
67%
10
これらの結果より，コンテンツ間の生物的な分類上
の類似性に基づいて，各動植物の関連項目を抽出でき
ていることが確認できる．
関連項目を累積した検索結果 (user1)
関連項目を重視しない
場合
コンテンツ
ID
North island
kiwi
Azure
kingfisher
Bat hawk
Silvery
kingfisher
European
kingfisher
Common
kingfisher
Blyth's
kingfisher
Indigo-banded
kingfisher
Half-collared
kingfisher
Southern
brown kiwi
スコア
0.696
0.667
0.667
0.572
0.572
0.572
0.572
0.522
関連項目を重視した
場合（提案方式）
コンテンツ
ID
Silvery
kingfisher
European
kingfisher
Common
kingfisher
Blyth's
kingfisher
Indigo-banded
kingfisher
Half-collared
kingfisher
Southern
brown kiwi
African
cuckoo-hawk
スコア
1.144
1.144
1.144
1.144
1.044
1.044
1.044
1.044
0.522
Okarito kiwi
0.953
0.522
Ruddy
kingfisher
0.953
表 12 現在の関連項目を重視した検索結果 (user1)
順位
コンテンツ ID
スコア
1 Silvery kingfisher
1.144
表 14
順
位
1
0.553
コンテンツ
ID
Acacia
2
Meryta
0.553
Meryta
1.107
3
Ivy
0.553
Ivy
1.107
4
Cheirodendron
0.553
Cheirodendron
1.107
5
0.553
0.541
Aralia
Lonicera
alpigena
Twinflower
1.107
7
Aralia
Lonicera
alpigena
Twinflower
8
Leycesteria
0.541
Leycesteria
1.082
9
Munroidendron
0.541
Munroidendron
1.082
Fatsia
0.541
Fatsia
1.082
European kingfisher
1.144
3
Common kingfisher
1.144
4
Blyth's kingfisher
1.144
5
Indigo-banded kingfisher
1.044
6
Half-collared kingfisher
1.044
7
Ruddy kingfisher
0.953
8
Lilac kingfisher
0.953
9
Banded kingfisher
0.953
6
Spangled kookaburra
0.763
表 13
1 つ前までの関連項目を重視した
関連項目を重視した
場合（提案方式）
コンテンツ
ID
Acacia
2
10
関連項目を累積した検索結果 (user4)
関連項目を重視しない
場合
10
スコア
0.551
スコア
1.107
1.103
1.082
1
検索結果 (user1)
コンテンツ ID
Silvery kingfisher
2
European kingfisher
1.144
3
Common kingfisher
1.144
4
Blyth's kingfisher
1.144
2
Senegalia berlandieri
5
Indigo-banded kingfisher
1.044
3
Senegalia laeta
1.013
6
Half-collared kingfisher
1.044
4
Senegalia greggii
1.013
7
Southern brown kiwi
1.044
5
Senegalia chundra
1.013
8
Okarito kiwi
0.953
6
Senegalia catechu
1.013
9
Ruddy kingfisher
0.953
7
Senegalia ataxacantha
1.013
Lilac kingfisher
0.953
8
Acaciella angustissima
1.013
Yellow hedysarum
0.968
Mariosousa willardiana
0.968
順位
10
スコア
1.144
表 15 現在の関連項目を重視した検索結果 (user4)
順位
コンテンツ ID
スコア
1 Senegalia caffra
1.035
9
同様に，user4 が，3 次元 CG コンテンツとして，植
10
1.035
物である ”Crispula”を要求し， ”Crispula”に関連する動
植物データをランキングした結果を表 14～表 16 に示
表 16
す．I の実験結果として，表 14 より，User4 について，
1 つ前までの関連項目を重視した
ともに個人の傾向である植物の動植物データのうち関
1
検索結果 (user4)
コンテンツ ID
Senegalia caffra
連項目とされているものが上位 10 件にランキングさ
2
Senegalia berlandieri
れている．また Ⅱ と Ⅲ の結果については，表 15 と表
3
Senegalia laeta
1.013
16 から， user4 が着目している Acacia と同じ Order
4
Senegalia greggii
1.013
(Fabales) を持つ Senegalia が上位にランキングされて
5
Senegalia chundra
1.013
いることが確認できる．
6
Senegalia catechu
1.013
これらの結果は， 3 次元 CG コンテンツのメタデー
7
Senegalia ataxacantha
1.013
タから抽出される意味的な関連性および利用者の嗜好
8
Acaciella angustissima
1.013
Yellow hedysarum
0.968
Mariosousa willardiana
0.968
関連項目を重視しない場合，及び提案方式において，
順位
9
性に基づいて 3 次元 CG コンテンツをランキングする
10
ことにより，拡張現実 UI における 3 次元 CG 配信デー
スコア
1.035
1.035
タをパーソナライゼーションする事が可能であること
を示している．また，ⅡとⅢに関する結果から，利用
6. まとめ
者の興味や関心を抽出する際に閲覧履歴の着目期間を
本研究では， 3 次元 CG コンテンツのメタデータか
変えることで，刻々と変化する利用者の嗜好性に応じ
ら抽出される意味的な関連性および利用者の嗜好性に
てランキング結果をパーソナライゼーションできるこ
基づいて 3 次元 CG コンテンツをランキングすること
とを示している．
により，拡張現実 UI における 3 次元 CG 配信データを
パーソナライゼーションする方式を示した．また， 3
次元 CG データ配信を Web サービスとして構築し，拡
張現実 UI へ配信するための 3 次元 CG 情報を収集・管
理するためのプラットフォームの実現方式を示した．
実際に構築したプロトタイプを用いた実験により，提
案方式の実現可能性を確認した．
今後の課題として，動植物コンテンツ以外の 3 次元
CG を対象とした 3 次元 CG 配信環境を構築し，さらに
複数の利用者による実証実験を行うことにより，提案
方式の有用性を検証していく予定である．また，今回
の実験では，コンテンツ間の内容に関する類似度に基
づいて，各 3 次元 CG の関連項目を抽出した．今後は，
オンライン百科事典に記述されている関連項目から自
動抽出したものや，専門家の視点による記述を含める
など，コンテンツ間の類似性以外の様々な視点による
関係性に基づいて，各 3 次元 CG の関連項目を設定し
た上で評価実験を行っていく．さらに，本方式を，文
献 [8] で示した先読みキャッシュ管理方式へ適用する
ことにより， 3 次元 CG コンテンツを対象としたキャ
ッシュ効率の向上化を図っていくことを検討している．
参
考
文
献
[1] 吉田祥子，岡林誠治，吉田香 [他 ]，打浪清一，
"連邦型分散データベースシステムの構成法に関
する研究 : 属性・属性値・個体統合による DB 統
合 , 及び更新について ", 情報処理学会研究報告 .
データベース・システム研究会報告 2006(9)
167-174,2006-01-26
[2] 宮川祥子，清木康， "特定分野ドキュメントを
対象とした意味的連想検索のためのメタデータ
空間生成方式 ", 情報処理学会論文誌 . データベ
ース 40(SIG_5(TOD_2)) 15-28,1999-05-15
[3] 光原弘幸，越智洋司，矢野米雄，"Web ページ
に関連知識の解説をリンクする WBL システム ",
電子情報通信学会論文誌 . D-I, 情報・システム , I情報処理 29-38,2003-01-01
[4] 千葉將貴，鈴木優，川越恭二， "リンク先の内
容を考慮したアンカー文字列のメタデータ生成
手法 ", 情報処理学会研究報告 . データベース・シ
ステム研究会報告 2007(6) 109-115,2007-01-25
[5] 戸田浩之，片岡良治，北川博之， "固有表現を
用いたニュース記事分類手法の提案 ", 情報処理
学会研究報告. データベース・システム研究会報
告 2005(67) 175-181,2005-07-13
[6] Passalis, G., Theoharis, T., Kakadiaris, I.A., "PTK: A
Novel Depth Buﬀer-Based Shape Descriptor for
Three-Dimensional Object Retrieval", Visual comput
(2007) 23 pp. 5-14,2007
[7] 三宅香菜子，宮崎純，天野敏之，藤澤誠，
加藤博一， "複数の検索要素を統合する 3D オ
ブジェクト検索システム ", 第 3 回データ工学と
情報マネジメントに関するフォーラム
(DEIM2011),B7-6 ,2011-2
[8] 本多宏至 , 笠原誠人 , 鷹野孝典， "拡張現実 UI
における 3 次元 CG 操作履歴に基づいたキャッシ
ュ管理方式 ", 第 5 回データ工学と情報マネジメ
ントに関するフォーラム ,2013-3
[9] 笠原誠人，鷹野孝典， "生態系フィールドワーク
のための拡張現実 UI を備えたモバイル学習シス
テム ", 情報処理学会研究報告 . MBL, [モバイルコ
ンピューティングとユビキタス通信研究会研究
報告 ] 2012-MBL-64(16) 1-7,2012-11-08
[10] Layer, http://layar.jp/, 2013.
[11] Wikitude, http://www.wikitude.com/, 2013.
[12] Sangkyum Kim ; Jaebum Kim ; Younhee Ko ;
Seung-Won Hwang ; Jiawei Han ， "PerRank:
Personalized Rank Retrieval with Categorical and
Numerical
Attributes",
Web-Age
Information
Management, 2008. WAIM '08. The Ninth
International Conference on 270 - 277,20-22 July
2008
[13] Eitsuka, M. ; Hirakawa, M.， "Authoring Animations
of Virtual Objects in Augmented Reality-Based 3D
Space", Advanced Applied Informatics (IIAIAAI),
2013 IIAI International Conference on 256 - 261,Aug.
31 2013-Sept. 4 2013
[14] Qi Liu ;Enhong Chen ; Hui Xiong ; Ding, C.H.Q. ;
Jian Chen ， "Enhancing Collaborative Filtering by
User Interest Expansion via Personalized Ranking",
Systems, Man, and Cybernetics, Part B: Cybernetics,
IEEE Transactions on 218 - 233,Feb. 2012
[15] Capelle, M., Hogenboom, A., Hogenboom, A.,
Frasincar, "Semantic news recommendation using
wordnet and bing similarities," Proceedings of the
28th Annual ACM Symposium on Applied Computing,
pp.296-302, 2013.
[16] Mohammadzadeh, H., Gottron, T., Schweiggert, F.,
Heyer, G., "TitleFinder: extracting the headline of
news web pages based on cosine similarity and
overlap scoring similarity," Proceedings of the
twelfthinternational workshop on Web information
and data management, pp.65-72, 2013.
[17] Tangelder, J. W., Veltkamp, R. C., "A survey of
content based 3D shape retrieval methods," Journal
of Multimedia Tools and Applications, pp.441-471,
2008.
[18] Claus, C., Eder, J., "Efficient top-k retrieval for user
preference queries," Proceedings of the 2011 ACM
Symposium on Applied Computing, pp.1045-1052,
2011.

Download Report