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4期

• 沉浸式可视化综述

  叶帅男, 储向童, 巫英才

  沉浸式可视化是一个新兴的研究领域,旨在通过沉浸式交互界面所提供的沉浸感与参与感充分运用人们的感知与操作能力,为数据分析推理与决策提供支持.以最新的沉浸式可视化研究为基础,首先从沉浸式感知的评估与运用出发,介绍视觉感知以及非视觉辅助感知在信息可视化中的应用方式与评估结果;然后对于可视化中的交互设计,分别从触摸、手势、注视与移动导航4种类别概述最新的交互技术;再针对可视化的创作工具,从桌面端、移动端以及多端融合3个方面进行创作工具的概述;最后对沉浸式可视化的产业趋势、应用以及挑战进行总结.

• 搜索趋势数据可视分析系统

  成达, 汪云海

  为了帮助用户理解和分析搜索引擎产生的搜索数据,提出一个搜索趋势数据可视分析系统,包括数据收集与预处理、流图计算与绘制、流线生成与文字摆放以及交互式分析.以流图与文本相结合的方式呈现搜索数据,展示数据中蕴含的搜索趋势和热点;创新性地提出了流线指导下的文本布局算法,使文字能更好地贴合流图形状;此外,还提供了一系列交互,帮助用户在不同层面对搜索数据进行探索和分析.选取5个博客数据集,从紧凑性和方向一致性2个方面对可视化方法进行量化评估,并采用2个真实的搜索数据集进行案例分析.结果表明,该系统能帮助用户理解搜索数据的变化模式,发现数据中隐含的搜索趋势,并快速掌握互联网舆情信息.

• 大规模接警日志语义时空模式交互探索

  贺一桐, 李杰, 陶文源, 高星, 张康

  接警日志包含时间、空间和案件描述信息,属于非结构时空数据.与时空社交媒体相比,接警日志的数据项之间存在较少的联系,数据项之间不能形成复杂网络关系,在挖掘其数据模式时难以提供有价值的线索,因此,其分析更加依赖于其中的语义挖掘和语义时空模式探索.针对这一问题,提出了一个可视分析框架支持对大规模非结构接警日志时空模式的交互探索.首先,提出了一种基于主题模型集成的方法,实现从异构文本中抽取主题;其次,该框架包含一个数据立方体,实现快速响应用户的查询请求;第三,设计并实现了一个可视化交互系统,支持对数据立方体的可视化交互探索.最后,使用国内某城市真实接警日志进行实验,找到的丰富的模式和主题预测准确性证明了方法的有效性.

• 词云可视化综述

  包琛, 汪云海

  词云是一种近年来颇为流行的文本可视化方式,它提取出文本中的关键词并在二维空间上美观地排布,通常用于展示文本内容、辅助文本分析以及吸引读者阅读等.从视觉编码、布局方法和交互方式这3个方面介绍词云的设计空间;将现有的词云设计分为语义词云、形状词云、可编辑词云和多文档词云4类进行概括,并总结了目前对于词云进行实验评价的若干工作;最后分别从语义词云、形状词云、多文档词云和中文词云4个方面分析了词云可视化领域面临的挑战,并对未来工作进行了展望.

• 双流网络信息交互机制下的微表情识别

  朱伟杰, 陈莹

  针对深度学习的方法用于微表情识别时微表情识别的实验数据库非常稀缺,导致神经网络在学习的过程中知识获取有限而难以提高精度及泛化能力的问题,提出基于双流网络信息交互的微表情识别方法.通过改进的深度互学习策略引导图像序列不同模态之间的交互训练,提高网络的识别率.方法基于RGB图像序列建立主体网络,基于光流建立辅助网络;在训练阶段,通过设计互学习损失中的有监督学习损失和拟态损失,优化训练过程,使得每一种模态都能学习正确地预测训练样本的真实标识,同时能与其他模态的预测相匹配;在测试阶段,由于互学习机制增强了RGB分支的判别能力,因此可对光流分支进行剪裁,在保证精度的前提下提高识别速度.在CASME,CASMEⅡ和SMIC数据库上的实验结果表明,该方法有效地提高了识别精度,整体性能优于已有方法.

• 卷积神经网络混合截断量化

  黄钲喆, 杜慧敏, 常立博

  量化是压缩卷积神经网络、加速卷积神经网络推理的主要方法.现有的量化方法大多将所有层量化至相同的位宽,混合精度量化则可以在相同的压缩比下获得更高的准确率,但寻找混合精度量化策略是很困难的.为解决这种问题,提出了一种基于强化学习的卷积神经网络混合截断量化方法,使用强化学习的方法搜索混合精度量化策略,并根据搜索得到的量化策略混合截断权重数据后再进行量化,进一步提高了量化后网络的准确率.在ImageNet数据集上测试了ResNet18/50以及MobileNet-V2使用此方法量化前后的Top-1准确率,在COCO数据集上测试了YOLOV3网络量化前后的mAP.与HAQ, ZeroQ相比, MobileNet-V2网络量化至4位的Top-1准确率分别提高了2.7%和0.3%;与分层量化相比, YOLOV3网络量化至6位的mAP提高了2.6%.

• 提高图像篡改检测区域选取性能的FCR-CNN模型

  魏晓燕, 左鑫兰, 但志平, 吴义熔, 董方敏, 孙水发

  图像篡改检测不同于目标检测,篡改检测更加关注篡改伪像这一目标而非图像内容本身,需要学习更加丰富的特征.为提高图像篡改检测区域选取性能,提出一种将特征金字塔网络(feature pyramid networks, FPN)模型与级联区域卷积神经网络(cascade region-convolutional neural networks, Cascade R-CNN)模型相结合的FCR-CNN模型.首先将FPN模型提取的多尺度篡改特征输入到区域建议网络(region proposal network, RPN),然后由RPN输出篡改分类分数和区域建议框,最后将区域建议框输入到3阶段Cascade R-CNN进行检测.此外,系统地对FCR-CNN模型的损失函数进行了分析.基于CASIA, Columbia和NC2016数据集,与其他算法进行对比实验,结果表明, FCR-CNN模型能够有效地检测与定位篡改区域;其中,在CASIA数据集上,其与FPN模型和Cascade R-CNN模型相比, F1分数分别提高了6.0%和7.5%.

• YOLOv3与顶点偏移估计相结合的车牌定位

  徐光柱, 匡婉, 李兴维, 万秋波, 石勇涛, 雷帮军

  深层卷积神经网络(deep convolutional neural networks, DCNN)因其能够自动学习图像有效特征,被广泛应用于视觉目标检测.为克服DCNN目标检测算法大多因采用矩形检测框,而无法有效地应对非约束环境下倾斜性车牌的准确定位问题.提出一种可同时输出矩形目标检测框与关键点的车牌定位解决方案,并具体以YOLOv3所用网络为对象,通过扩展其输出维度,增设车牌顶点相对于矩形检测输出框角点的偏移量损失,在保留其高效计算性能的前提下,训练使其可同时输出矩形检测框及车牌顶点,实现精准定位.在广泛使用的大型非约束性车牌数据集CCPD上的实验结果显示,所提算法不仅可以准确检测车牌顶点,而且能够在Base,Tilt和Weather子集上取得99%以上的定位精度.该方法还可扩展至其他需同时输出目标检测框及关键点的应用领域,具有较好的应用价值.

• 保持高分辨率信息的无锚点框检测算法

  何泽文, 张文生

  目标检测逐渐成为视觉研究社区的关键领域,而其挑战之一是检测器难以准确地定位不同尺度的物体.面向图像中的目标检测应用,提出了高分辨率-无锚点框(HOAR)检测策略来应对物体尺度多变的挑战.HOAR将待测图像输入多条通路(对应不同尺度)并行的高分辨率网络,并提取每条通路上的输出特征图作为图像在每种尺度下的深度特征表示;然后利用密集特征金字塔(DenseFPN)对这些特征图进行信息融合,得到重新组合的多尺度特征图;最后采用无锚点框表示的检测子网络判断这些特征图上每个点对应的物体类别和矩形框位置.为验证所提HOAR策略的有效性,在COCO数据集上进行了对比实验.消融分析的结果表明了HOAR策略各个模块的必要性;其在验证集上的检测指标mAP达到了40.5,显著超过了基线模型和部分代表性算法的mAP.此外,HOAR策略所需的参数数量也显著小于对应的基线模型.

• 三维点云模型特征张量描述符的构造及自相似性分析

  胡海龙, 李重, 秦胜伟, 马利庄

  三维模型局部自相似性是物体形状分析中的一个基本问题,其中,局部形状描述符的构建对自相似性分析的最终结果至关重要.针对此问题,提出了一种基于张量融合特征描述符的自相似性分析方法.首先利用相关面和反向点对点云模型进行形状直径函数(shapediameterfunction,SDF)的近似计算;然后利用谱聚类对模型进行过分割成模型子块,由K近邻(K-nearest neighbor, KNN)邻域点的SDF、形状指数(shape index, SI)和高斯曲率(Gauss curvature,GS)矩阵构造三维特征张量;最后利用张量范数构造映射得到形状描述符,并定义相似性度量分析模型子块之间的自相似性.对几种最新的方法(包括部分匹配和显著性检测)进行了实验,无论是直观视觉效果,还是相似性测度和相对误差上的评价指标,结果均表明,该方法可有效地对形状进行描述,提高了点云模型相似子块的识别精度.

• 复杂表面小尺度凝结现象真实感仿真

  施佳俊, 李晨, 王长波

  凝结是自然界中很常见的一种现象,其真实感仿真对虚拟现实、影视特效及游戏娱乐等领域都有重要的意义.针对传统的基于物理的仿真方法难以保持凝结小尺度液滴细节的问题,提出一种基于光滑粒子流体动力学与自适应流体隐式粒子法耦合的仿真方法.首先基于光滑粒子流体动力学离散建模空气的热传导,并辅以相对湿度模型和露点描述相变过程;然后结合基于八叉树的自适应背景网格和流体隐式粒子法仿真凝结液滴,突出了小尺度液滴高精度的细节;最后引入表面张力、黏附力与阻力,逼真地仿真了复杂固体表面上液滴的运动.实验结果表明,该方法可以真实、高效地反映复杂固体表面的凝结现象.

• 基于兴趣点的北京市住宅生活便利度指数研究

  李健, 张松海

  住宅的生活便利度指数指住宅居民在一定范围内可利用的设施种类与数量,是城市宜居度的重要指标.兴趣点(point of interest, POI)数据是一组包含物理实体属性的地理坐标点,具有数据种类详尽、粒度精细、范围广和时效性强的优点.基于高德POI数据,对北京市城区住宅的生活便利度指数进行研究,提出面向地铁出行的各向异性距离度量方法,根据构建的生活便利度指数指标体系将住宅分为优质、良好、中等和待改进4个等级.各等级住宅在城区中的空间分布结果表明,考虑地铁出行后,对住宅的生活便利度指数度量更为合理.

• 面向功耗优化的CMOL电路容错映射

  谢尚銮, 夏银水, 查晓婧

  针对CMOS/纳米线/分子混合(CMOL)电路的缺陷导致电路功耗增加这一问题,提出基于单元限用的容错映射方法.首先建立缺陷对的功耗模型,分析常连缺陷对的映射模式对功耗的影响;然后通过高功耗单元的限用与功耗约束的设置,以减少高成本映射模式带来的功耗开销;最后采用改进的遗传算法完成电路容错映射. ISCAS标准测试电路的实验结果表明,所提方法在成功容错映射的基础上,有效地减少了电路的功耗与面积,同时对求解速度也有较好的优化.

• DrPlace: 基于深度学习的可布线性驱动布局算法

  郝睿, 蔡懿慈, 周强, 王锐

  在集成电路物理设计的布局阶段,针对基于深度学习的布局算法结果可布线性较差的问题,在开源的DREAMPlace算法的基础上提出并实现了一种基于深度学习的可布线性驱动布局算法DrPlace.算法模型在总体上设计并实现了布局器的整体框架,集成了基于深度学习的可布线性驱动总体布局、可布线性驱动的合法化和详细布局.总体布局过程中,在目标函数中加入了引脚密度函数,并实现了基于GPU的引脚密度的关键内核.在ISPD2011和DAC 2012布局实例上的实验结果表明,该算法与DREAMPlace相比在可布线性上获得了提升,且在运行时间、线长和可布线性方面均优于传统的可布线性驱动布局算法.

• 单粒子四点翻转自恢复加固锁存器设计

  黄正峰, 郭阳, 李雪筠, 徐奇, 宋钛, 戚昊琛, 欧阳一鸣, 倪天明

  为了容忍日益严重的单粒子多点翻转,提出了一种能够容忍单粒子四点翻转的加固锁存器——QNURL(quadruple node upset recovery latch).该锁存器包含40个同构的双输入反相器,形成5×8的阵列结构,构建了多级过滤的容错机制.通过有效地利用双输入反相器的单粒子过滤特性,当任意4个内部状态节点同时发生翻转时,都可以被多级过滤机制消除,自动恢复到正确值. PTM 32 nm工艺下的仿真结果表明,与现有的4种单粒子多点翻转加固锁存器综合比较,该锁存器的单粒子四点翻转自恢复比率高达100%,延迟平均降低了86.02%,功耗延迟积(powerdelayproduct,PDP)平均降低了78.94%,功耗平均增加了59.09%,面积平均增加了4.63%.文章最后对结构进行了衍生,提出了容忍N点翻转的(N (10)1)'2N结构框架.

• 有限状态熵编码的VLSI设计与实现

  黄海, 邢琳, 那宁, 张国良, 赵石磊, 刘志伟

  在处理海量数据时,以软件方式实现的Z标准(Zstd)无损压缩算法难以满足特定应用领域对压缩速度的需求.对Zstd进行硬件加速设计是解决这一问题的有效方案,尤其是针对Zstd的有限状态熵编码(finitestateentropy,FSE)的硬件加速.因此,提出一种适用于Zstd的FSE压缩、解压硬件实现架构,采用固定压缩表实现最优的硬件加速步骤;通过增加序列映射的硬件模块来降低存储空间并提高传输速度;采用软硬件协同设计方案,并对硬件实现架构进行7级流水设计.通过VisualStudio与Modelsim的联合验证平台进行验证,实验结果表明在TSMC55 nm的工艺下,系统最高频率可达到750 MHz.与软件实现相比,整体压缩速度提高了9倍以上,整体解压速度提高了约100倍.

• 低系统开销的多TSV子阵列联合数据传输方法

  冯旭, 崔小乐, 魏琛, 崔小欣, 金玉丰

  串扰抑制编码往往具有图形限制特性,在小规模硅通孔(through silicon via, TSV)阵列中应用时,可以在合理的编解码器面积开销下取得良好的串扰抑制效果.为了在大规模的TSV阵列中实现低系统开销的高质量数据传输,提出基于多TSV子阵列联合数据传输的方法.针对参与数据联合传输的子阵列最优数量问题,通过研究子阵列数量与对应联合传输方法的系统开销之间的关系,提出求解方法,并给出了相应的理论证明.面向多TSV子阵列联合数据传输场景,设计了一种基于数系变换的编解码算法.使用多组TSV阵列的电学参数,进行了不同编码方法 TSV阵列的串扰抑制效果的仿真实验.结果表明,所提方法在系统开销、传输延迟、传输功耗、编解码器面积等方面均优于已有的基于斐波那契数系的串扰抑制编码方法.