A Fujitsu Laboratories of Europe a 3D modellek hasonlóságának vizsgálatán alapuló technológiát mutatott be, ami nagymértékben gyorsítani tudja a géptervezési munkálatokat. A tervezési folyamat jelentős részét, akár a felét is a meglévő, kiindulási alapnak használt vagy komponensként beépített modellek adatbázisból keresése, azonosítása teszi ki. Ezt általában kézzel végzik a tervezők, megkeresik a kiterjedt archívumukban az aktuális feladatukhoz legjobban illő modellt, majd azzal dolgoznak tovább.

A Fujitsu megoldásának lelke egy klasszikus mélytanulásos neurális hálózat, az AlexNet, amit Alex Krizhevsky és társai fejlesztettek ki a Torontói Egyetemen, és az egyik leghatékonyabb képösszehasonlító eljárásnak tartják. A Fujitu az algoritmust több, akár 64 GPU-ra párhuzamosítással bővítette ki a Caffe nyílt forráskódú mélytanulási szoftverkörnyezetét használva. Ezzel a módszerrel az egy GPU-s tempót sikerült 27-szeresére gyorsítani, így a neurális hálózat tanulási sebessége 71%-kal nőtt. Betanításához az ImageNet több mint egymillió 2D képes adatbázisát és a Fujitsu saját gyártási 3D modelljeit használták fel.

A hálózat a képekből és 3D modellekből rájuk jellemző, egyedi vektorokat készít, ezek segítségével sokkal gyorsabb lehet a hasonló alakzatok kiválasztása tájolástól függetlenül. Tízezres nagyságrendű modellt tartalmazó adatbázisban mindössze másodpercek kérdése megtalálni a kiválasztott modellhez legjobban hasonlítókat. A rendszer a tíz legjobb találatot rangsorolja, pontossága a CAD modelleknél eléri a 96%-ot is. Nem csak egyszerű keresésre lehet bevetni, hanem létező adatbázisok katalogizálására, metaadatokkal ellátására is használható.

Egy laptopkijelző-keret modelljének keresési eredményei hasonlóság szerint rendezve

Ráadásul a 2D és 3D alakzatok hatékony felismerése rengeteg területen, például az orvosi diagnosztikában is nagyon fontos szerepet játszik, ezeknél is sikerrel bevethető lehet a Fujitsu technológiája. További megoldásokkal is ötvözhetőnek tűnik, például azzal a 3D lézerszkenneres fejlesztéssel, amit a Japán Torna Szövetségnek készítenek szintén a Fujitsunál.