计算机辅助设计与图形学学报杂志

计算机辅助设计与图形学学报杂志2020年第4期

• 联邦学习可视化: 挑战与框架

  潘如晟, 韩东明, 潘嘉铖, 周舒悦, 魏雅婷, 梅鸿辉, 陈为

  联邦学习是一种保证数据隐私安全的分布式机器学习方案.与传统的机器学习的可解释性问题类似,如何对联邦学习进行解释是一个新的挑战.文中面向联邦学习方法的分布式与隐私安全性的特性,探讨联邦学习的可视化框架设计.传统的可视化任务需要使用大量的数据,而联邦学习的隐私性决定了其无法获取用户数据.因此,可用的数据主要来自服务器端的训练过程,包括服务器端模型参数和用户训练状态.基于对联邦学习可解释性的挑战的分析,文中综合考虑用户、服务器端和联邦学习模型3个方面设计可视化框架,其包括经典联邦学习模型、数据中心、数据处理和可视分析4个模块.最后,介绍并分析了2个已有的可视化案例,对未来通用的联邦学习可视分析方法提出了展望.

• 面向出租车出行规律的预测式可视分析方法

  吴向平, 徐懂事, 吴向阳, 金剑秋

  针对传统交通数据可视分析方法缺乏预测分析能力的问题,提出了基于出租车出行数据的预测式可视分析方法,支持用户更有效地探索未来的交通状况.在可视分析模型中,提出了结合天气、星期几等多种非交通因素的预测模型,提高了预测的准确度;提出了基于预测数据和广义地点类型约束的路径规划方法,获得了更优的路径规划结果;以多种可视化手段分析和预测了出租车司机的运营状况,帮助司机进行运营决策.以温州市出租车数据进行的实验结果表明,与传统方法相比,文中方法能更准确地预测交通状况和运营状况,并获得更合理的路径规划结果.

• 概念层次的动态文本可视分析

  向首兴, 欧阳方昕, 刘世霞

  分析社交媒体中关联主题在不同社会群体之间的流动模式有助于理解观点、信息和思想的传递.已有的主题流动分析的工作大多是基于主题模型的,只能通过查看包含该主题的文本来分析主题流动的原因.这些文本数据量大且结构复杂,难以分析.为了解决这一问题,使用概念对主题内部的内容进行概括,提出了基于概念的动态文本可视分析方法,用于展示主题内容的变化模式,帮助分析主题流动的原因.该方法使用流型线条展示概念流动模式,并利用基于约束的t-SNE降维算法保证相邻时间段上概念投影分布的相似性,从而保证流型线条的稳定性.为了突出展示主题内概念的异常变化模式,提出了一种异常检测技术用于定位概念剧烈变化的时间段并进行突出显示.使用推特数据集进行定性评估和案例研究,验证了所提出的可视分析方法的准确性和有效性.

• 科研团队竞争力可视对比分析方法

  王杨, 余敏槠, 单桂华, 陈恺心, 安逸菲, 陆忠华

  学术文献数据的爆炸增长使得找出重要的科研团队变得十分困难.如何评估团队的科研竞争力,比较不同的科研团队的科研成果,发现核心团队等问题变得越来越重要.为此,基于文献数据,构建了科研团队竞争力分级指标体系;通过引入派系强度改进了派系过滤算法,用于寻找合作网络中的科研团队;基于科研团队竞争力分级指标体系,设计了可视化对比分析方法,用于对比同一领域中不同的科研团队的科研竞争力.以天文领域真实的科研团队数据为例,实验结果和专家验证,证实了方法的实用性和有效性.

• 面向城市空间热点分析的可视化方法综述

  朱敏, 王翔坤, 姚林, 罗富智, 庞潇

  随着定位技术和通信技术的发展和普及,带有时空属性的数据呈爆炸性增长.这些时空数据蕴藏着丰富的热点信息,利用可视化方法进行城市空间热点分析有显著优势,对优化资源配置、指导城市建设具有重要意义.文中综述了近年来国内外城市空间热点分析的相关研究,总结不同时空数据热点分析的可视化方法框架;并根据数据特征分别按照基于统计信息和基于语义信息进行分类,详细阐述各类方法的研究现状和优缺点,可为不同的数据类别及派生的特征选择合适的可视化方法,以更好地协调多个数据属性及其展示结果,进而减少信息混乱和视觉遮挡;最后,指出面向城市空间热点分析可视化方法面临的挑战和进一步探索的方向.

• NURBS曲线拟合的最小二乘渐进迭代逼近优化算法

  张蒙, 李亚娟, 邓重阳

  为了使NURBS曲线更精确地拟合散乱数据点,提出了一种基于最小二乘渐进迭代逼近(least square progressive and iterative approximation,LSPIA)的NURBS曲线拟合优化算法.首先,确定一条初始NURBS曲线,利用LSPIA算法优化控制顶点;然后,分别优化数据点参数,拟合曲线的节点和权因子,每优化好一个变量,重新优化控制顶点;最后,经多次优化迭代得到高精度的NURBS拟合曲线.在优化每类变量时,为了避免被其他变量影响,保持其他变量不变.基于LSPIA的NURBS曲线拟合优化算法充分利用了LSPIA算法的优点,在迭代过程中,可以重复使用前一迭代步骤得到的控制顶点等数据,从而节省了运算时间.算法实例表明,该算法能获得一定保形效果.

• 基于多尺度笔刷的分层油画风格化

  陈颖, 荆树旭, 石剑, 陈彦云, 柳有权, 张彩荣

  基于图像的油画风格化绘制是计算机图形学领域非真实感绘制研究的热点之一.为了进一步提高图像油画风格化的质量,提出了一种基于多尺度笔刷的分层图像油画风格化绘制算法.该算法模拟艺术家的油画绘制过程,采用不同尺度的笔刷按照从粗到细的顺序逐层绘制.在每层笔刷绘制中,首先使用增量Voronoi序列采样点和图像切线方向场确定笔刷流线,然后结合笔刷形状与笔刷高度场进行纹理贴图,得到最终的图像油画风格化绘制结果.通过与现有算法比较,文中算法不仅能模拟真实的油画绘制过程,而且生成的油画效果层次感更强,充分体现了图像的结构特征和油画细节.

• 基于特征传播的时域分割网络行为识别

  石跃祥, 曾智超

  为了高效、准确地获得视频中的行为类别和运动信息,减少计算的复杂度,文中提出一种融合特征传播和时域分割网络的视频行为识别算法.首先将视频分为3个小片段,分别从相应片段中提取关键帧,从而实现对长时间视频的建模;然后设计一个包含特征传播表观信息流和FlowNet运动信息流的改进时域分割网络(P-TSN),分别以RGB关键帧、RGB非关键帧、光流图为输入提取视频的表观信息流和运动信息流;最后将改进时域分割网络的BN-Inception描述子进行平均加权融合后送入Softmax层进行行为识别.在UCF101和HMDB51这2个数据集上分别取得了94.6%和69.4%的识别准确率,表明该算法能够有效地获得视频中空域表观信息和时域运动信息,提高了视频行为识别的准确率.

• 基于图像语义分割的真实毛笔笔触实时生成技术

  薛萍, 李猛, 黄卫星, 刘漫贤, 杨颐, 王健

  书法在文化传承中占据重要地位,书法书写笔迹的生成也一直是计算机图形学的研究重点和难点.现存基于模型和经验的方法,由于建模难度大,大都将笔触表述为简单的几何图形并且缺少变化,难以真实还原毛笔书写的笔触和笔迹.使得现存书法笔迹生成软件仅仅用于娱乐,而难以上升到数字化书法教育层面.文中从计算机视觉的角度出发,通过4个相机获取毛笔的实时书写图像;针对Deeplabv3+语义分割算法无法有效地分割小尺寸类别的缺点进行优化,使用优化的Deeplabv3+算法提取图像中毛笔笔头等关键信息,并通过Hough变换和PnP位姿估计算法计算笔杆相对位姿;基于位姿信息矫正和融合各相机笔触图像,提出一种未知区域估计方法估计相机无法拍摄到的笔触区域.按照不同条件提取400多幅书写图像作为数据集并进行实验结果表明,优化后的Deeplabv3+算法平均交并比(mean intersection-over-union,mIOU)达到0.849,与优化前相比提升了0.117;在小尺寸类别上交并比(intersection-over-union,IOU)达到0.59,提升了0.473.在保证实时性的前提下,最终生成的笔触与传统基于模型和经验的方法相比,可以更加真实地还原书写时的笔触,并避免对毛笔进行复杂的建模,为笔迹生成研究提供一种新的思路.

• 用于人像提取及半身像合成的生成对抗网络算法

  何冀军, 申远, 郭玉堂, 郑津津

  利用生成对抗网络(generative adversarial network,GAN)进行标准上半身人像的合成,从普通人像照片中截取部分区域得到面部对齐后的标准化上半身合成图像,处理后的标准化人像实现了目标主体与背景的分离,可以有效地优化目标识别和分割算法的结果.图像的合成过程分为2个主要步骤,首先利用图像特征识别人脸并截取头部区域,然后以裁切后的头部区域为中心进行上半身人像的合成,得到人脸特征点及头部区域对齐后的上半身合成图像.该算法可以有效地从背景中分离人像区域,利用合成后的图像进行图像分割和评价,可以避免图像背景对于图像识别主体的干扰.通过自有数据集验证了该算法可以改善分割算法的精确度、召回率和F值,最终合成人脸图像的Facenet平均距离及标准差相比现有的人脸图像正则化算法均有减小,通过在CelebA及LFW等通用数据集上的验证测试,显示出算法具有良好的通用性和适应性,该算法可以广泛适用于人像照片的主体提取和人像合成,作为分割和识别等应用的前置步骤.

• 基于串联空洞卷积神经网络的网球场景语义分割

  李逾严, 张印辉, 何自芬

  室外网球场实景环境下的语义分割是开发网球运动服务机器人需要解决的一项关键技术.针对室外网球场环境由于光照、视角等因素的变化导致难以进行精细分割的问题,提出一种基于Deeplabv3架构的串联空洞卷积神经网络SACNet.该模型扩展了空洞卷积的多尺度模块,通过奇偶混合扩张率增大训练中特征图感受野,利用分组卷积减小SACNet模型时空复杂度.为克服小样本训练容易过拟合的问题,在经过预训练残差神经网络ResNet-50的基础上,通过冻结批量归一化(BN)层进行迁移学习.在自制小样本网球场数据集上进行实验结果表明,SACNet比现有Deeplabv3模型在测试精度提高了10.22%,且对于网球场边界和小目标语义分割结果更加准确.

• 多模态目标的联合压缩跟踪

  唐艳平, 张灿龙, 李燕茹, 李志欣

  针对多模态目标跟踪中大多仅考虑单个图像的异种特征融合或不同模态图像的同种特征融合,为了使得这两者间能自然集成,提出基于联合压缩感知的多模态目标统一跟踪方法.通过将多模态跟踪问题转化为多重?2-范数不等式约束下的多?2-范数联合最小化问题,并设计了能求解该联合最小化问题的特定增广拉格朗日乘子算法,从而实现快速而精准的目标跟踪,可同时处理来自同一图像或不同模态图像中的多种不同特征间的融合,并能自由地添加或删除特征.此外,还提出了基于稀疏集中度指标的目标模板协同更新方案,来筛选出表现最优的目标模板.在DCU,OTCBVS,BEPMDS,OTB50和VOT-TIR等数据集上采用逐帧跟踪的方法进行实验,结果表明在跟踪精度、成功率以及速度3个评价指标上,文中方法的平均性能分别达到了0.96,0.91和3.48.

• 结合深度特征迁移与融合的两阶段船牌定位算法

  吴书楷, 刘宝龙, 徐舒畅, 李毅, 吴双卿, 张三元, 叶修梓

  获取运河过往船只的身份信息具有重要意义,快速、准确地定位船牌是实现船只身份自动化识别的首要任务.为提升对小尺度船牌的检测性能,提出一种结合深度特征迁移与融合的两阶段船牌定位算法.首先在船只检测阶段,通过迁移学习构建船只检测模型,获取图片中船只区域的位置信息;然后在船牌定位阶段,提出基于特征融合策略的多尺度船牌定位网络,在上一阶段的基础上对船牌进行定位.在SLPLOC船牌定位数据集上的实验结果表明,相比其他算法,该算法能够有效地减少误差,提升精度值和召回率.

• 基于快速响应码的灰度视觉密码方案设计

  郁滨, 刘思佳, 付正欣

  在保证快速响应码识读效率的基础上,为提高其秘密载荷能力,基于快速响应码的模块识别特性,提出一种面向灰度图像且像素不扩展的(n,n)异或视觉密码方案.该方案根据模块识别单元的结构建立灰度值与系列模板之间的映射关系,进而设计不同的视觉密码分享矩阵集合,对秘密进行分享,并利用Matlab和Photoshop对方案性能进行测试分析.实验验证和理论分析表明,该方案秘密信息恢复算法为线性时间算法,可承载的秘密载荷量为载体图像规格的9倍,且能够抵抗压缩、旋转和剪切等一般几何攻击.

• 利用自监督卷积网络估计单图像深度信息

  孙蕴瀚, 史金龙, 孙正兴

  为了提高利用深度神经网络预测单图像深度信息的精确度,提出了一种采用自监督卷积神经网络进行单图像深度估计的方法.首先,该方法通过在编解码结构中引入残差结构、密集连接结构和跳跃连接等方式改进了单图像深度估计卷积神经网络,改善了网络的学习效率和性能,加快了网络的收敛速度;其次,通过结合灰度相似性、视差平滑和左右视差匹配等损失度量设计了一种更有效的损失函数,有效地降低了图像光照因素影响,遏制了图像深度的不连续性,并能保证左右视差的一致性,从而提高深度估计的鲁棒性;最后,采用立体图像作为训练数据,无需目标深度监督信息,实现了端到端的单幅图像深度估计.在TensorFlow框架下,用KITTI和Cityscapes数据集进行实验,结果表明,与目前的主流方法相比,该方法在预测深度的精确度方面有较大提升,拥有更好的深度预测性能.

• 自注意力机制的视频摘要模型

  李依依, 王继龙

  针对如何高效地识别出视频中具有代表性的内容问题,提出了一种对不同的视频帧赋予不同重要性的视频摘要算法.首先使用长短期记忆网络来建模视频序列的时序关系,然后利用自注意力机制建模视频中不同帧的重要性程度并提取全局特征,最后通过每一帧回归得到的重要性得分进行采样,并使用强化学习策略优化模型参数.其中,强化学习的动作定义为每一帧选或者不选,状态定义为当前这个视频的选择情况,反馈信号使用多样性和代表性代价.在2个公开数据集SumMe和TVSum中进行视频摘要实验,并使用F-度量来衡量这2个数据集上不同视频摘要算法的准确度,实验结果表明,提出的视频摘要算法结果要优于其他算法.

• 人群应急疏散中一种多智能体情绪感染仿真模型

  刘翠娟, 刘箴, 柴艳杰, 刘婷婷, 倪仲锐

  为了从情绪的视角分析紧急情境下人群的疏散行为,梳理了现有情绪感染的研究工作,总结了人群紧急状况下行为特点.采用智能体描述人群个体,提出一种多智能体情绪感染模型.其主体框架分为感知层、情绪层、感染层、行为层和行动层.归纳了产生情绪感染现象的3个条件及情绪感染的3个规则,提出了情绪感染的算法,考虑个体的个性和个体间距离因素,采用情绪强度和人群紧密度来计算个体疏散速度.用C#语言编制了仿真实验,采用真实的地震疏散案例,验证了仿真疏散时间和实际观测的基本一致.通过与以往基于传染病思路的情绪感染模型对比,所提出的模型可以更好地描述情绪感染从局部到整体的过程.实验结果表明,所提出的模型可以推演情绪驱动下的群体聚集行为,有望为制定应急疏散预案提供一种可视化分析方法.

• 基于真实感雾效混合的快速渲染算法

  唐勇, 刘浩阳, 郭慧玲, 赵静, 张晓碧, 吴德阳

  针对目前基于经验模型的雾效真实感不足和基于物理模型的雾效延时的问题,提出一种雾效混合算法改善雾效绘制的真实感和实时性.首先采用经验模型模拟基础雾,引入能见度因子和温度系数优化雾效衰减公式,使得平流雾、辐射雾、层次雾、体积雾的雾效公式得到统一,从而丰富雾效的多样性;其次引入Simplex噪声和风速完善边界噪声模型,克服传统雾效的规律性,优化雾的动态效果;再利用物理模型补偿细节,采用拉格朗日方法模拟细节雾,通过引入谐波叠加法建立风场模型,改善雾粒子运动轨迹,提升雾效的真实感;改进时间轴算法解决雾效颜色不随时间变化的问题,获得随时间渐变的动态雾;最后根据Henyey-Greenstein相位函数近似求解Mie散射,利用纹理和billBoard技术快速渲染雾粒子,并将基础雾和细节雾混合生成逼真的混合雾效.在GPU仿真环境下搭建不同雾场景,根据混合雾与传统算法在主观视觉与客观帧率方面对比作为评判指标,实验结果表明,该算法在保证至少40帧的基础上,绘制出细节突出的多种类雾效.

• 三维网格分割中聚类分析技术综述

  梁楚萍, 印杰, 伍静, 汪俊, 魏明强, 郭延文

  三维网格分割是计算机图形学的一个重要的研究方向,近年来不断涌现出各种新的分割技术.主要关注基于聚类分析的三维网格分割技术,介绍了三维网格分割的2种常见类型,并对分割技术所转化的数学问题进行阐述,总结了一系列常用的网格属性.依据算法类型将现有算法划分为5类,所基于的分割技术分别有区域生长、多源区域生长、层次聚类、迭代聚类以及谱聚类.针对不同的分割目标和所利用的网格属性,对各分类下的分割算法进行对比讨论;同时给出4种角度的评估准则,以展示不同应用场景下各类分割算法的优缺点,并指出了三维网格分割的发展趋势和应用方向.