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5期

• 面向实物交互的空间增强现实数字孪生法配准技术

  潘志庚, 高嘉利, 王若楠, 袁庆曙, 范然, 佘莉

  在支持实物交互的空间增强现实系统中,交互会引起实物对象方向、位置的快速改变.为了确保实物移动过程中的虚实配准实时性和精确性,提出一种面向实物交互的空间增强现实数字孪生法配准技术.通过在数字空间建立与物理空间一致的对象数字模型,实时捕获物理空间中对象的方向、位置信息,利用该信息实时调整数字空间中的虚拟对象方向、位置参数;离线标定投影机的内外部参数,同时在数字空间中建立与物理空间中投影机内外部参数一致的虚拟相机,将实时渲染生成的数字图像输出至投影画面,从而实现虚实图像的精确配准.使用搭建的投影式交互桌面开展中学物理认识磁感线实验,交互过程中磁铁、指南针的检测与配准结果表明,该技术具有很好的配准实时性和精度,能够满足空间增强现实系统中的实物交互需求.

• 结合用户导向和遗传算法的医疗终端界面布局设计

  李源枫, 吴群, 张剑, 牛蓉, 朱一凡, 宗婕聪

  为了优化公共终端界面设计,提升用户体验,提出一种结合用户导向和遗传算法的界面布局方法.该方法将用户主观认知与客观视觉原则结合后转化为布局指标,以界面布局方案的指标为自变量,用户体验值为因变量,将界面设计布局指标与主观用户体验之间的认知关系建模为可计算的函数.在通过切片树方式对界面布局特征编码后进行展开解空间搜索,具体步骤包括生成树结构、确定切割方式获得最佳切片树和调整元素节点找到最佳布局.以医疗公共终端中挂号界面和交款界面为例,使用该方法对其进行布局优化,最后使用可用性测试进行验证.实验结果表明,经过优化后的界面布局在各可用性指标上与初始界面的相比有明显的提升,证明了该方法在医疗终端界面设计场景的应用中具有有效性;此外,这类生成式辅助设计有助于减轻设计师的工作量,提升工作效率.

• 利用通道注意力与分层残差网络的图像修复

  杨昊, 余映

  针对现有深度学习图像修复方法对不同尺度特征的感知和表达能力存在不足的问题,提出一种利用多尺度通道注意力与分层残差网络的图像修复模型.首先采用U-Net作为生成器的主干网络,实现对破损图像的编码与解码操作;然后通过在编码器与解码器中分别构建多尺度的分层残差结构,以增强网络提取和表达破损图像特征的能力;最后在编码器与解码器间的跳跃连接中嵌入扩张的多尺度通道注意力模块,以提高模型对编码器中图像低级特征的利用效率.实验结果表明,在人脸、街景等数据集的破损图像修复上,该模型在主观视觉感受和客观评价指标方面均优于其他经典的图像修复方法.

• 有噪条件下的新类检测算法

  曾凡霞, 何泽文, 张文生

  针对有噪条件下新类检测性能较差的问题,提出一种基于核零空间判别局部保持投影算法(KNDLPP).首先通过核函数将样本隐式映射到高维特征空间,在核空间中利用距离加权机制对样本进行权重赋值,在保持局部结构的同时降低离群噪声样本的影响;然后利用样本类内零空间使同类样本坍塌为一点,实现对已知类分布的有效约简;最后基于零空间再求得使类间距最大化的变换矩阵,以上步骤得到一个判别性变换矩阵以刻画样本的分布信息、描述样本之间的相似性.该算法能刻画样本潜在结构,提升已知类与新未知类之间的判别性.在11个公开数据集上的实验结果表明,该算法是有效和鲁棒的,具有较好的新类检测性能.在局部保持性实验中,KNDLPP在4个UCI数据集上的整体平均AUC值为90.656%;在复杂结构保持性实验中,KNDLPP在Banana,Moon及3个UCI数据集上的整体平均AUC值为91.949%;在2个无噪高维数据集的新类检测实验中,KNDLPP平均AUC值为86.214%,高于次优算法4个百分点;在4个UCI数据集的4种有噪条件下,KNDLPP性能排名第1.

• Text2Palette: 基于互联网图像的颜色主题自动生成方法

  雷凯翔, 刘政宁, 徐昆

  根据用户输入的单词或短语文本生成对应的颜色主题,是自动化获取颜色主题的手段之一,对图像处理研究和艺术设计等领域至关重要.基于问题特点和已有方法的缺陷,针对性地设计了基于互联网图像的颜色主题自动生成方法.该方法包括以下3个步骤:首先,将用户输入文本作为搜索关键字,在互联网上或者在图像数据库中检索出相关的图像,并为每幅图像分别生成一个可以表示该图像各颜色成分分布的颜色主题;然后,采取近邻传播方法对所有生成的颜色主题进行聚类分析,将它们分为若干组,并进一步根据组内组外差距指标对它们进行排序;最后,从排序靠前的每一组中,选择一个具有代表性的颜色主题,作为多个颜色主题候选结果提供给用户.该方法简单、易用,能够生成符合语义且多样性高的颜色主题.用户调研结果表明,与Text2Colors方法相比,该方法生成的颜色主题在语义上更正确,也更具多样性.在随机选取的输入文本数据集中,有过半用户认为该方法在正确性和多样性上更优的输入文本比例分别为69%和94%.

• 改进RangeNet++损失函数的车载点云小目标语义分割方法

  张硕, 叶勤, 史婧, 刘行

  针对道路场景点云全语义分割对行人等重要移动小目标实时分割效果差的问题,提出一种基于RangeNet++深度神经网络并对损失函数进行优化改进的小目标语义分割方法.首先对原本使用交叉熵损失函数的RangeNet++网络进行改进;然后采用Focal Loss损失函数调节稀少但重要的移动小目标的权重,能在卷积层数更少的DarkNet21特征提取网络下,通过少次训练就能提高行人等重要移动小目标类别的检测和分割精度.在SemanticKITTI数据集上的实验表明,与原有的RangeNet++相比,该方法使用的backbone卷积层数和网络训练次数都更少,但对移动小目标的语义分割达到了更高的准确率和精度.

• 基于多尺度网格细胞到位置细胞的仿生SLAM算法

  陈孟元, 田德红

  针对同步定位与地图构建(simultaneous localization and mapping,SLAM)过程中定位精度较低和角度漂移等问题,受哺乳动物海马体空间认知机理的启发,提出一种构建多尺度网格细胞到位置细胞信息转换的仿生SLAM算法.首先,引入头方向细胞和条纹细胞感知自身运动信息,并生成多尺度网格细胞覆盖整个空间环境,减小由于角度偏移而产生的累计误差;其次,对于定位精度低问题,采用Hebb学习规则下的竞争型神经网络建立多尺度网格细胞到位置细胞的信息转换关系;最后,构建位置细胞与空间环境中不同地标的映射关系,通过选取最大放电率的位置细胞形成空间认知拓扑地图,实现移动机器人的自主定位.与RatSLAM和ORB-SLAM2在KITTI公开数据集上进行对比实验,结果表明,所提算法能够通过对位置信息进行编码实现未知环境中的自主定位和建图,同时,控制平移误差不超过1.50 m,旋转误差不高于1.0°.

• 图像生成和深度度量学习的身份感知面部表情识别方法

  章思远, 肖世明, 张蓬, 黄伟

  为解决面部表情识别中不同图像的背景信息和身份特征会干扰分类准确率的问题,提出一种将图像合成技术和深度度量学习相结合的身份感知人脸表情识别方法,通过在面部表情识别任务中创建相同身份下的表情组,对人脸图像特征进行比较分类.其结构中对抗生成网络,目标在于学习表情信息并生成表情组;特征提取网络用于将图像转化成为可进行度量学习的特征向量;马氏度量学习网络能够有效地对一对特征值进行比较与分类.该方法在常用面部表情识别数据集CK+和Oulu-CASIA上取得了98.6532%和99.8248%的平均分类准确率,并在Oulu-CASIA数据集上超过当前最好方法10%以上.通过与目前最新方法的比较,证实了该方法在面部表情识别中的有效性和进步性.

• 真实有雾场景下的目标检测

  解宇虹, 谢源, 陈亮, 李翠华, 曲延云

  在有雾场景中实现对目标精确检测,是视频监控、智慧城市、无人驾驶等多个实际应用中一个重要的研究内容.为促进真实有雾场景下的目标检测研究,探讨了2个问题:有雾场景目标检测数据集的构建以及真实有雾场景下目标检测的解决方案.首先,设计了一种系统化的、具有真实感的有雾图像合成方法,并建立了合成有雾场景的目标检测数据集.同时,探讨了对真实有雾场景下目标检测器具有提升性能作用的数据集处理方法.其次,探讨了先验知识和模型的联合优化对真实有雾场景的目标检测性能的有效性,并提出了2个框架:基于知识引导的目标检测框架和基于图像去雾和目标检测的联合学习框架.基于知识引导的目标检测框架将统计先验知识用于指导通用目标检测网络学习有雾场景下的目标特征,使通用目标检测器能更好地适应特殊的目标检测场景.基于图像去雾和目标检测的联合学习框架通过去雾模型和目标检测模型的联合优化学习,有效学习图像去雾中恢复的结构细节和颜色特征,从而提高真实有雾场景下的目标检测精度.在RTTS数据集上的实验结果表明,基于知识引导的目标检测框架和基于图像去雾和目标检测的联合学习框架能够有效地提高有雾场景下目标检测器的性能,均值平均精度(mAP)分别为70.5%和66.6%.

• 基于包围盒回归的图像构图推荐

  杨国烨, 周文洋, 刘兰, 张松海

  图像构图推荐旨在找到一幅图像中最具构图美学价值的裁剪,可以辅助拍照者拍摄出构图优美、雅致、协调的照片.由于该任务较难精确、完整地标注出所有优秀构图包围盒,故此前基于神经网络的方法多数并不直接回归构图包围盒,而是通过枚举预制的构图包围盒回归分数,取分数最大者为构图结果.而这一做法会对回归结果精度和算法效率造成负面影响.通过提出一个由特征提取模块、包围盒回归模块和分数回归模块组成的可回归构图包围盒的端到端神经网络模型,并设计相应的数据构造方法、训练方法和损失函数,克服上述难点.选择FCDB和FLMS这2个公开数据集作为测试集,与现有方法相比,该方法在IoU和Disp测试指标上均达到最优.

• 自适应权重多视角度量学习的遥感图像场景分类方法

  周国华, 蒋晖, 顾晓清, 殷新春

  遥感图像易受光照和气象条件等干扰因素的影响,且随着遥感设备分辨率的提高,遥感图像中出现了更多的地表细节的问题.为了提高遥感图像的场景分类的准确度,提出一种自适应权重多视角度量学习方法.首先使用多个视角下的数据特征学习具有分辨力的度量空间,使在度量空间内同类图像紧凑,异类图像尽可能地远离;然后引入权重向量,在度量学习的过程中自适应地调节各视角间的权重关系;最后利用核技巧扩展至非线性空间,更有效地挖掘隐藏于视角间的关联和互补信息.在Google和WHU-RS遥感图像数据集上的实验结果表明,该方法具有良好的分类性能,平均分类准确率分别达到90.26%和92.62%,显著优于对比的单视角和多视角分类方法.

• 环视图表示下的无监督三维物体检索

  匡振中, 杨结, 俞俊

  为了解决基于多视图的三维物体检索方法过度依赖基于人工标注的有监督训练的问题,提出了一种基于环视图的无监督三维物体检索算法.首先,训练面向多圈环视图的无监督深度网络模型,通过随机数据混合增强学习不同形状之间的内在联系;其次,基于最优匹配方法计算物体间的相似性,其中,最优匹配是利用2个物体环视图间最小距离的平均值计算得到;最后,利用环视图特征过滤算法去除冗余数据,能够在保持精度稳定的情况下,有效地减少相似性匹配的计算代价.在ModelNet40数据集和SHREC15数据集上进行实验,文中方法精度指标mAP分别为41.2%和54.5%.实验结果表明,该无监督三维物体检索方法取得了优异的性能,有效地降低了人工标注的成本.

• 深度特征融合的头发属性转移方法

  谢志峰, 苏旭, 刘思维, 张桂菘, 马利庄

  针对现有的属性转移方法无法有效地转移头发属性这一问题,提出一种深度特征融合的头发属性转移方法.该方法包括特征提取、属性向量获取和图像合成3个子网络.首先从特征提取网络中提取原图像特征,添加重构损失保持原图像的身份不变;然后在属性向量获取网络中构建头发特征与头发属性的映射模型,得到属性向量;最后将原图像特征与属性向量融合输入到合成网络,生成最终结果.在FFHQ数据集上进行了多种属性转移实验,结果表明,所提方法可以有效地转移头发属性,生成高分辨率的结果.大量在Celeba数据集上进行的实验结果表明,与现有的主流属性转移方法相比,所提方法可以取得更好的视觉效果.

• 多尺度特征融合的残缺卷烟编码识别

  吴鹏, 周志鹏, 黄家栋, 谢志峰, 盛斌

  针对背景紊乱、字符残缺的卷烟图像,提出多尺度特征融合的残缺卷烟编码识别方法,以进行端到端的训练与应用.首先使用特征提取网络从图像中提取多尺度融合特征;然后提出区域优化模块,对提取到的融合特征进一步优化,识别与定位网络学习这些优化后的特征能更加鲁棒地完成识别与定位任务;最后使用匹配算法对识别与定位结果进行匹配,得到最终结果.在完整卷烟编码数据集中进行实验,与现有方法相比,所提方法在识别精度与效率上均有全面的提升.在残缺卷烟编码数据的识别转录实验中,所提方法的识别效率与人工相比有较大提升.

• 破损文物数字化修复: 以中国出土青铜器为例

  魏明强, 陈红华, 孙杨杏, 汪俊, 郭延文, 燕雪峰

  出土青铜器大多存在缺失碎块现象,包括片状缺块、跨区域缺块和结构性缺块.随着三维重建和激光扫描技术的发展,以高精度数字化模型为基础的文物修复技术得到了广泛的重视.针对青铜器缺块的多样性和复杂性,从青铜器自身具有的形态特征出发,提出了青铜器缺块的多元数字化补配框架.对于片状缺块,分析了具有缺失数据的模型内蕴对称性,研究了青铜器表面纹饰的提取方法,根据模型对称变换建立覆盖缺块的初始模型,再根据纹饰拼接方法,从局部精细调整缺块初步模型,使缺块模型上的纹饰与周围模型的纹饰美观拼接,从而形成了青铜器三维模型从全局到局部的补配方案;对于跨区域缺块,设计了缺块边缘欧拉螺线的走向和研究了缺块内外数据的相似性匹配技术,使用了由粗到精、特征敏感的补配方法;对于结构性缺块,设计了具有高效、良好交互性能的缺块几何形态编辑技术,进而为破损青铜器的缺块补配提供了一个专业、便捷的,且具有多元互补方案的计算机辅助几何处理平台.

• 基于哈希自注意力端到端网络的三维模型草图检索

  赵旭飞, 潘翔, 刘复昌, 张三元

  为了提高草图和三维模型视图嵌入特征的聚类性,提出一种结合自注意力和哈希正则化约束的特征提取算法.首先将三维模型渲染得到二维视图集,并通过边缘检测在草图和视图之间建立统一的特征描述空间;然后在共享权重网络中嵌入自注意力层,通过结构信息自相关性编码提高草图和视图的聚类性,避免局部差异性对结果的影响;最后对特征进行哈希编码,并嵌入哈希正则化约束和交叉熵损失函数,避免特征值发散.对基准数据集SHREC13和SHREC14的实验结果表明,该算法在哈希自注意力端到端网络的检索准确率方面优于已有的典型算法,平均准确率性能提高了6%.

• 片上网络无虚通道隔离路由算法

  谢瑞莲, 焦继业, 刘有耀

  子网隔离方法是解决片上网络众核处理器中大量应用程序并发执行时通信数据流相互干扰的重要方法.针对现有子网隔离路由算法只适用于某几种特定类型的不规则子网,降低了片上系统的利用率,给出了不规则子网的拓扑结构模型,并结合奇偶转向模型,提出了一种低开销的无虚通道隔离路由算法.算法采用维序路由规则传输数据包,一旦遇到不规则子网边界破坏了最小路由路径时,则改变路由策略,采用南北边界路由和东西边界路由2种模式传输数据包.通过合成负载通信模式测试和真实应用踪迹测试,对不同算法进行系统利用率、性能和功耗比较分析,结果表明所提出的隔离路由算法在不降低片上系统网络性能的情况下,提高了系统的利用率.