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2021年第3期

• 空间增强现实中的人机交互技术综述

  袁庆曙, 王若楠, 潘志庚, 徐舒畅, 高嘉利, 罗天任

  空间增强现实是增强现实的三大形式之一,它利用投影等方式在物理空间中增强显示虚拟内容.在空间增强现实系统中,用户可以在物理空间与虚拟内容交互,具有良好的环境感知、空间感知与协同感知,交互任务执行过程中认知负荷低.首先以空间增强现实显示方式为例,通过其系统架构介绍空间增强现实的技术原理;然后将空间增强现实中的人机交互技术分类为基于触控的交互、基于手势或姿势的交互、基于控制器的交互、手持投影仪交互、实物交互及多模态交互并进行分析,对相关技术在三维配准、虚实融合等方面带来的挑战进行阐述;同时总结了空间增强现实在运动锻炼、医疗辅助、教育娱乐、艺术等领域的应用状况;最后对空间增强现实中的交互技术发展趋势进行了展望,指出未来要克服现有技术在稳定性、准确性和实时性上存在的缺陷,在交互方式更自然、交互遮挡处理方法更智能、系统使用场景更广泛、与社会文化和心理现象研究相结合以及新型成像方式等方面得到突破和发展.

• 悬浮随机行走电容提取中多介质格林函数表的快速生成

  杨明, 喻文健

  为加速悬浮随机行走预刻画,利用了多介质格林函数本身的对称性,通过增加虚拟齐次纽曼边界,将有限差分空间离散区域缩减至原本的1/4,从而显著减小了差分矩阵的规模,加速了多介质格林函数表的生成.一般多介质格林函数表的对称性在理论上得到了证明.所提出的数值计算方法基于C++编程实现,其效率和正确性在一台32核服务器上通过数值实验得到了验证.实验结果表明,文中快速生成方法在达到超过8倍加速比的同时,取得了与原始有限差分方法结果完全一致的多介质格林函数表,显著减少了悬浮随机行走电容提取方法预处理的时间.

• 可调可重构的环形振荡器物理不可克隆函数

  麻超方, 叶靖, 李晓维, 李华伟, 胡瑜

  针对环形振荡器物理不可克隆函数均匀性与独特性不够理想的问题,提出一种可调可重构的环形振荡器物理不可克隆函数设计.该设计包含可重构环形振荡器模块、整合器模块和裁决器模块.可重构环形振荡器模块由多个独立且具有相同设计的可重构环形振荡器-计数器组构成,芯片各部分的工艺偏差由计数器的数值反映;整合器模块通过将多个计数器数值进行排序并依次作差,以减弱芯片固有时延对物理不可克隆函数均匀性与独特性的不良影响;裁决器模块经预先设计阈值后,对整合器模块产生的差值进行裁决,产生最终响应.在Xilinx Zynq-7000 Soc ZC702 FPGA实现上述可调可重构的环形振荡器物理不可克隆函数,实验结果表明,均匀性的平均值为49.36%,独特性的平均值为47.07%,均趋于50%的理想值,取得了令人满意的效果.

• 32 nm CMOS工艺的单粒子多点翻转加固锁存器设计

  黄正峰, 曹迪, 崔建国, 鲁迎春, 欧阳一鸣, 戚昊琛, 徐奇, 梁华国, 倪天明

  随着集成电路工艺不断改进,电荷共享效应诱发的单粒子多点翻转已经成为影响芯片可靠性的重要因素.为此提出一种有效容忍单粒子多点翻转的加固锁存器:低功耗多点翻转加固锁存器(low power multiple node upset hardened latch,LPMNUHL).该锁存器基于单点翻转自恢复的双联互锁存储单元(dual interlocked storage cell,DICE),构建三模冗余容错机制,输出端级联“三中取二”表决器,可以有效地容忍单粒子多点翻转,表决输出正确逻辑值,不会出现高阻态,可以有效地屏蔽电路内部节点的软错误.该锁存器能够100%容忍三点翻转,四点翻转的容忍率高达90.30%.通过运用高速传输路径、时钟选通技术和钟控表决器,该锁存器有效地降低了功耗.32 nm工艺下SPICE仿真表明,与加固性能最好的三点翻转加固锁存器综合比较,LPMNUHL的延迟平均降低了40.16%,功耗平均降低了44.96%,功耗延迟积平均降低了65.40%,面积平均降低了34.60%,并且对电压/温度波动不敏感.

• 面向可重构扫描网络的锁定隔离安全结构

  刘军, 王亭亭, 任福继

  为使可重构扫描网络免受未经授权的访问、恶意仪器对传输数据的窜改和嗅探3种安全攻击的影响,提出了锁定隔离安全结构.该结构首先把彼此不具有安全威胁的仪器分成一组,通过控制隔离信号实现组与组之间的单独访问,以防止恶意仪器对传输数据的窜改和嗅探.然后通过使用锁段插入位保护关键的仪器,只有扫描网络中处于特定位置的多个键值被设置成特定值(0,1序列)时锁段插入位才能打开,能加大未经授权访问的难度.此外,为解决仪器分组多导致硬件开销大和布线困难的问题,提出了仪器分组算法,根据仪器间的安全关系构建无向图,然后对无向图求极大独立集,能有效地减少仪器分组数.在ITC 02基准电路上的实验结果表明,与国际上同类方法相比,所提的安全结构打开锁段插入位所需要的时间增大了7倍,在面积、功耗和布线上的平均减少百分比分别为3.81%,9.02%和4.55%.

• 语义特征图引导的青光眼筛查方法

  郭璠, 李伟清, 赵鑫, 邹北骥

  现有的端到端青光眼筛查模型往往忽略细微病变区域而导致过拟合问题,并且其可解释性区域尚不明确.针对上述问题,提出一种语义特征图引导的青光眼筛查方法.利用基于MobileNet v2作为特征提取网络的DeepLab v3+分割模型进行视盘区域的分割定位,并且根据定位结果提取用于青光眼筛查的重点感兴趣区域,再通过设计注意力模块将其嵌入VGG分类网络实现青光眼的准确筛查.注意力模块利用语义特征图融合浅层特征综合生成注意力图,通过强化特征分类相关区域而抑制非相关区域,达到增强模型分类鲁棒性的目的.所提方法基于LAG database数据集测试的敏感性、特异性以及AUC分别为0.970,0.983和0.996,优于已有方法,且通过可视化注意力激活热图得到的模型决策关注区域更为精细,能够获得与医生诊断参考区域相一致的结果.

• 结合双流特征融合及对抗学习的图像显著性检测

  张艺涵, 张朝晖, 霍丽娜, 解滨, 王秀青

  为实现图像显著区域或目标的低级特征与语义信息有意义的结合,以获取结构更完整、边界更清晰的显著性检测结果,提出一种结合双流特征融合及对抗学习的彩色图像显著性检测(SaTSAL)算法.首先,以VGG-16和Res2Net-50为双流异构主干网络,实现自底向上、不同级别的特征提取;之后,分别针对每个流结构,将相同级别的特征图送入卷积塔模块,以增强级内特征图的多尺度信息;进一步,采用自顶向下、跨流特征图逐级侧向融合方式生成显著图;最后,在条件生成对抗网络的主体框架下,利用对抗学习提升显著性检测结果与显著目标的结构相似性.以P-R曲线、F-measure、平均绝对误差、S-measure为评价指标,在ECSSD,PASCAL-S,DUT-OMRON以及DUTS-test 4个公开数据集上与其他10种基于深度学习的显著性检测算法的对比实验表明,SaTSAL算法优于其他大部分算法.

• 融合尺度降维和重检测的长期跟踪算法

  夏亮, 张亚, 黄友锐, 贾汉坤

  针对长期目标跟踪中存在的目标遮挡、尺度变化和光照变化等干扰造成的跟踪失败问题,提出一种融合尺度降维和重检测的长期目标跟踪算法.该算法在长期相关性跟踪算法的平移估计和尺度估计基础上,采用主成分分析降维策略来减少计算量,并建立高置信度样本集;当目标长期遮挡或丢失时,通过自适应阈值来启动在线分类检测器和最佳伙伴相似度匹配,重定位目标位置,并对模板均衡更新.在OTB-2015等标准数据集的部分序列上定量和定性评估的实验结果表明,文中算法的平均距离精度为95.4%,平均重叠成功率为89.2%,平均跟踪速度为23.68帧/s,且在遮挡、尺度变化和光照变化等场景下表现优异,能有效地实现长期目标跟踪.

• 基于测地回归模型的颅面复原

  陈仲晗, 赵俊莉, 于晗, 潘振宽, 贾彬, 李劲华

  颅面复原是指根据一个未知颅骨的特征预测出对应的面貌,在考古研究、医学整容、刑事案件调查等领域有重要应用.为解决颅面复原过程中存在着数据量大、需要大量标定特征点的手工工作及颅面特征点定义困难的问题,针对三角网格表示的三维颅骨和面皮模型,将颅面模型用从鼻尖出发的一组测地线表示,提出了基于测地回归的颅面复原方法.该方法首先从三维人脸模型的鼻尖点提取一组测地线;然后以颅骨和对应的人脸模型上提取的测地线作为训练样本,采用偏最小二乘回归统计模型复原未知颅骨对应人脸模型的测地线;最后通过迭代最近点算法将生成的测地线与人脸统计模型进行匹配,实现复原测试颅骨的面貌.在192套颅面数据库上进行了颅面复原实验,将基于测地回归法复原的结果与主成分分析法和偏最小二乘回归法复原结果对比,实验结果表明,该方法能够提高复原精度,减少复原时间,取得了良好的复原效果.

• 点云场景下基于结构感知的车辆检测

  李宗民, 姚纯纯, 刘玉杰, 李华

  在自动驾驶领域,计算机对周围环境的感知和理解是必不可少的.其中,相比于二维目标检测,三维点云目标检测可以提供二维目标检测所不具有的物体的三维方位信息,这对于安全自动驾驶是至关重要的.针对三维目标检测中原始输入点云到检测结果之间跨度大的问题,首先,提出了基于结构感知的候选区域生成模块,其中定义了每个点的结构特征,充分利用了三维点云目标检测数据集提供的监督信息,通过预测该特征,网络可以学习到更具有鉴别能力的特征,从而提高候选框的生成质量;其次,将该特征加入到候选框微调阶段中,使得点云上下文特征和局部特征更加丰富.在三维点云目标检测数据集进行了实验,结果表明,文中方法能够在增加极少计算量的前提下,在候选区域生成阶段使用50个候选框0.7的IoU阈值下,提高超过13%的召回率;在候选框微调阶段,3种难度目标框的检测效果均有明显提升,表明了该方法对三维点云目标检测的有效性.

• 背景对齐差分的机场跑道异物分块检测与跟踪算法

  王国屹, 孙永荣, 张怡, 鲁海枰, 赵伟

  针对机场跑道异物的无人自主检测与识别过程中存在的检测结果受环境影响大、小目标检测困难以及漏检率高等问题,提出基于背景差分的机场跑道异物分块检测与跟踪算法.首先利用速度辅助的位置信息线性插值,获取背景模板图像库与待检测图像序列最相关帧;然后将图像分为不同子块,利用各子块内图像纹理复杂度设置自适应权值,结合ORB算法进行特征点提取,将各子块特征点归一化至原始图像,并与背景模板库最相关帧对齐作差,获取异物检测结果;最后引入核相关滤波器对检测结果进行多目标跟踪,采用各子块局部跟踪算法降低运算时间,并对跟踪结果进行可靠性检验.在3种实验场景下,与5种主流检测算法的对比实验结果表明,与目前已有的基于图像的机场异物检测算法相比,在保证算法处理速度的基础上,该算法将异物整体错检率降低了70%以上,并在异物尺寸大于1cm×1cm的情况下,将整体漏检率降低至0,获得了较好的效果.

• 视频图像运动估计中的一维块匹配算法

  刘泉洋, 刘云清, 史俊, 颜飞, 张琼

  运动估计是视频图像压缩和视频图像修复等领域的基础问题,传统的块匹配法搜索质量较好,但搜索速度不够快.针对传统块匹配法搜索速度上的不足,提出一种快速的一维块匹配运动估计算法.首先对运动矢量正交分解,使用特殊权重系数矩阵对二维匹配块做降维处理,得到2组一维特征矩阵;然后选择一维三步搜索法作为搜索策略,最小绝对误差和准则作为匹配准则,使用2组一维特征矩阵搜索匹配运动矢量的2个分量;最后将分量组成完整的运动矢量.通过多组对比实验的结果表明,该算法在保证定量评价PSNR的前提下,显著提升运动估计的搜索速度,视频清晰度越高、匹配块像素尺寸越大,运动估计搜索速度提升越明显.

• 基于循环训练法的变压器漏油检测

  鲍伟超, 顾理, 何劲松, 蒯勇, 刘玮, 黄文礼

  检查变压器是否存在漏油问题在维护电网安全与稳定方面具有重要价值.地面是否存在因漏油而产生的油污区域是判断变压器是否存在漏油问题的重要的依据.油污区域的形状各异、所处的环境复杂以及光照阴影的影响给漏油检测问题带来了挑战.阴影是自然界中的一种普遍存在的物理现象,对漏油检测的影响是不可避免的.为了消除阴影对漏油检测的影响,提出一种循环训练方法.通过直方图均衡化以增强困难样本油污和阴影之间的对比度,循环地训练增强后的图像来减弱阴影的干扰,以提高查全率;同时通过引入负样本图像缓解误检问题,以提高查准率.文中使用变电站真实环境下采集的数据,并以此构建了一个油污图像的数据集.基于此数据集设计8种方案进行对比实验.实验结果表明,与未使用所提方法的模型相比,使用该方法的模型能够有效地消除光照阴影对漏油检测的影响,显著提高漏油检测精确度.

• 基于卷积神经网络的Leap Motion运动数据优化网络

  张欣天, 谢文军, 李书杰, 刘晓平

  为提高Leap Motion设备的采集精准度,解决自遮挡、采样频率不稳定等设备固有问题,首先,设计了使用Leap Motion和动作捕捉设备的手部多模态同步运动采集方案,采集了日常动作数据集;其次,提出了基于卷积神经网络(convolutional neural network,CNN)的Leap Motion手部运动数据优化方法,使用日常动作数据集训练Leap Motion数据到动作捕捉数据的映射网络;最后,提出手指平面约束,确保网络输出数据保持稳定的手部骨骼结构.通过15名志愿者采集了6类动作共967550帧的同步运动数据集,进行了手指平面约束有效性、动作一致性实验,并与双向循环自编码器(bidirectional recurrent autoencoder,BRA)、双向编解码器(encoder-bidirectional-decoder,EBD)方法进行了精度对比.结果表明,文中方法支持使用Leap Motion获取固定采样频率且近似动捕设备精度的手部运动数据,效果较BRA和EBD更加稳定平滑.将文中方法应用于康复游戏中,明显减少了交互动作识别的错误次数.

• 特征重加权U-Net超声图像分割的骨结构重建与增强现实显示

  陈芳, 赵喆, 张道强, 谢彦庭, 张欣然, 廖洪恩

  在现有骨科微创手术中,医生通过观察屏幕上显示的二维骨结构X射线图像,引导手术器械置入并完成治疗.但这种方式不仅缺乏直观的三维信息,而且导致病人和医生暴露在大量的射线电离辐射下.为了解决该问题,提出特征重加权超声分割的骨结构重建与增强现实显示技术,将骨结构直观展示给医生,为医生提供无辐射的手术引导.首先,开发了一个特征重加权U-Net,从Free-hand超声图像中精确分割提取骨表面.然后,根据超声图像的姿态,对分割后的骨表面进行重建,获得三维骨结构.最后,使用立体全像技术对重建的骨结构进行增强现实显示,展示给医生.在仿体和真实患者超声数据集上进行了实验,所获得的骨结构分割精度为(88.51±1.44)%,骨结构重建误差为(1.29±0.11)mm.实验结果表明,所提出的基于特征重加权U-Net超声图像分割的骨结构重建与增强现实显示技术可以为外科医生提供直观的术中三维导航信息.

• 图神经网络下的生成式室内家具摆放

  杨淼, 樊庆楠, 王玉洁, 段岳圻, 陈宝权

  自动的室内家具摆放在家居设计、动态场景生成等应用中具有显著的意义.传统算法往往通过显式的空间、语义和功能性上物体之间的关系来理解场景的内部结构,并进一步辅助室内场景的生成.随着大规模室内场景数据集的出现,提出将零散的输入家具编码进图结构,并利用图神经网络中迭代的消息传递隐式地学习场景的分布先验.为了满足家具摆放的多样性,提出将图神经网络融合进条件式变分自编码器.通过一个编码器将输入场景嵌入到一个符合高斯分布的隐变量,并通过一个生成器将从隐变量采样的场景先验用于条件式的新场景生成.在Fu-floor数据集上的实验结果表明,与基准算法相比,该算法在生成结果的评价指标最小匹配距离上表现更优.该算法对于未来实现场景补全、基于场景图的室内家具摆放等实际应用也具有显式的意义和价值.

• 具有保面积参数化的双二次Bézier曲面

  李效伟, 赵庆辉, 杨义军, 曾薇, 孙黎, 李缨, 徐岗

  为了构建具有保面积参数化的双二次Bézier曲面,提出2种双二次Bézier曲面的构造算法.首先根据曲面第一微分基本形式,推导双线性和双二次Bézier曲面满足保面积参数化的约束条件,得出具有保面积参数化的双线性有理Bézier曲面只能是平行四边形的结论;然后根据双二次曲面的约束条件,通过求解方程组的形式设计符合约束条件的双二次Bézier曲面构造算法,并且给出并证明了严格满足保面积参数化约束条件的双二次Bézier曲面只能为平面曲面的结论;再将保面积参数化约束条件松弛,基于曲面拟合思想设计具有较强造型能力的双二次Bézier曲面构造算法,构造满足用户指定容差范围的双二次Bézier曲面;最后给出若干具有保面积参数化的双二次Bézier曲面,验证了算法有效性和曲面造型能力.使用C++语言实现的多个等参线分布和纹理映射的实例结果表明,该算法生成的双二次Bézier曲面参数化能够保持面积拉伸.

• 深度特征融合的非刚性三维形状局部匹配

  韩丽, 佟宇宁, 朴京钰, 徐圣斯, 王晓旻, 兰鹏燕, 于冰

  针对海量、异构三维形状匹配与智能检索技术的需求,提出了一种基于级联卷积神经网络(F-PointCNN)深度特征融合的三维形状局部匹配方法.首先,采用特征袋模型,提出几何图像表示方法,该几何图像不仅能够有效区分同类异构的非刚性三维模型,而且能够揭示大尺度不完整三维模型的结构相似性.其次,构建级联卷积神经网络学习框架F-PointCNN,其中,BoF-CNN从几何图像中学习深度全局特征,建立融合局部特征与全局特征的点特征表示;进而对Point-CNN进行点特征的细化与提纯,生成具有丰富信息的深度融合特征,有效提高形状特征的区分性与鲁棒性.最终,通过交叉矩阵度量方法高效实现非刚性三维模型的局部形状匹配.在公开的非刚性三维模型数据库的实验结果表明,该方法提取的特征在大尺度变换的形状分类及局部形状匹配中具有更强的识别力与更高的匹配精度.

• 集成时空轨迹的动态属性网络表征学习

  曹燕, 颜铭江, 贾香恩, 董一鸿, 陈华辉

  网络表征学习是当前信息网络数据表示的研究热点,相比于传统网络分析技术已显示出它的有效性和高效性.目前绝大多数研究仅将网络视为静态来处理,即网络结构不随时间演化而变化,而且很少考虑网络中丰富的节点属性信息,难以适应现实信息网络时刻变化的动态特性.同时考虑网络的动态性和节点属性,提出基于时空路径的动态属性网络表征学习(DAWalk),将结构特征与属性特征聚合为节点的嵌入表示.游走时空轨迹序列以捕获网络的结构特征以及动态演化趋势规律.在模型学习方面使用改进的自编码器模型,最小化序列中成对节点的距离损失,学习出序列节点对隐藏的高度非线性规律,使得学到的节点表示更具健壮性.实验表明,在可视化、链接预测、节点分类任务上,提出的DAWalk在3个数据集上的性能均优于其他基准算法.