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2022年第12期

• 大图采样方法综述

  张翔, 倪瑜那, 李松岳, 高刚毅, 方林聪, 王毅刚, 赵颖, 周志光

  大图采样是常用的网络图简化方法,可显著降低大图数据的规模.文中从随机图采样、特征驱动的大图采样方法、大图采样的评估指标和大图采样方法的应用4个角度进行综述.首先介绍随机点、随机边和随机游走的随机图采样方法;然后论述拓扑结构、社区结构、动态网络关联和语义关联特征驱动的大图采样方法;再介绍拓扑结构、视觉感知和特征驱动的大图采样指标;最后介绍了大图采样方法在社交网络、地理交通、生物医学和深度学习等领域的应用,并展望了该方法的发展前景.

• 视觉-语言导航的研究进展与发展趋势

  牛凯, 王鹏

  视觉-语言导航是近年来出现并蓬勃发展的新兴研究方向,是视觉-语言交互前沿领域中的代表性研究任务之一,其目标是根据人类给出的语言指令基于环境视觉感知实现自主导航.首先介绍该任务的研究内容,分析其面临的跨模态语义对齐、语义理解与推理和模型泛化能力增强3个方面的问题与挑战,然后列举了常用的数据集和评价指标;再从模仿学习、强化学习、自监督学习以及其他方法 4个方面对该任务的研究进展进行归纳与总结,并对代表性方法的效果进行对比分析;从连续环境导航和高级复杂指令理解与常识推理2个方面论述该任务当前研究的热点趋势;最后对三维空间的视觉-语言导航、模糊导航、环境交互导航等未来发展方向进行讨论与展望.

• 装配体模型优化的免装配打印方法

  潘万彬, 张鑫莹, 陈超, 王毅刚

  针对包含机构语义的装配体模型实施高质量的免装配打印(涉及支撑结构的清除、打印材料的消耗以及机构语义关联表面的打印质量等)不仅困难且仍缺乏自动方法的问题,提出一种装配体模型优化的免装配打印方法.首先基于包围盒剖分和体素关联关系对装配体模型进行体素化;然后采用改进的Bresenham算法快速生成体素路径,并据此快速分析支撑结构的可清除性;提出一种增量式的体素重关联方法,可在零件之间的相对布局改变后避免耗时的模型重体素化;最后以同时满足支撑结构可清除、支撑结构消耗材料量尽量少,以及运动接口面的打印质量尽量好为目标,通过改进粒子群算法确定和调整装配体模型的打印方向及其零件之间的相对布局.在带有典型机构语义的若干装配体模型上进行实验的结果表明,所提方法计算的方向和零件之间的相对布局打印模型的支撑结构均可完全清除,支撑结构所消耗的材料以及机构语义关联表面的粗糙度均大幅度减少(小);与基于八叉树分析支撑结构可清除性的方法以及基于零件布局调整开展免装配机构打印的最新方法相比,该方法对于包含机构语义的装配体模型开展高质量免装配打印具有突出的适用性和优势.

• 基于注意力机制的密集残差融合与空间局部滤波低光照去雾算法

  陈志华, 杜垣均, 温阳, 盛斌, 王继红, 毛丽娟, 吴恩华

  低光照场景的雾霾图像在去雾过程中易产生颜色失真、斑块和伪影等现象,针对此问题,提出一种适用于低光照场景的基于注意力机制的密集残差融合与空间局部滤波去雾算法.首先利用密集残差块增加神经网络深度,使网络学习更高级的特征信息;然后引入空间与通道注意力机制对特征进行过滤和筛选,使网络可以区分光照不均匀区域,解决颜色失真等问题;采用空间局部滤波增强的方法,提高去雾结果的对比度、清晰度和能见度;最后设计了联合损失函数约束网络的学习,避免串联结构的误差放大以及学习混合退化.在PyTorch环境下,用夜间城市合成雾霾数据集NHR进行测试,并与现有的FFANet,GridDehaze等去雾算法进行对比.实验结果表明,与其他去雾算法相比,所提算法的峰值信噪比提升8.01~14.16dB,结构相似度提高0.10~0.36.所提算法还解决了颜色失真、斑块和伪影等问题.

• 面向单幅图像的逼真3D人脸重建方法

  包永堂, 周鹏飞, 齐越

  针对3DMM参数拟合方法生成的纹理过于粗糙、结果不够逼真的问题,提出一种基于深度学习的单幅图像逼真3D人脸重建方法.首先构建RP-Net回归网络和包含5万幅人脸图像的数据集,从输入图像中学习参数,并拟合人脸模型生成3D人脸几何;然后通过构造多层次的损失函数进行弱监督学习,包括低水平的像素损失、地标损失和高水平的身份损失;最后通过纹理映射的方式生成逼真的人脸纹理.在2个通用人脸数据集和1个人工生成的人脸数据集上与最近的3D人脸重建方法进行对比实验,并对影响重建的光照、表情和转向等因素进行实验,根据SSIM和PSNR对3D重建结果进行量化分析.实验结果表明,所提方法面向单幅图像可以生成准确的3D人脸形状和逼真的人脸纹理;与最近的3D人脸重建方法相比,该方法的训练时间和迭代次数分别降低了6%和13%,SSIM值增加0.005~0.010, PSNR值平均提高0.03~0.08 dB.

• 结合邻域方差和各向异性窗的引导滤波算法

  王富平, 吉聪聪, 公衍超, 刘卫华, 刘颖

  针对引导滤波会导致边缘附近出现光晕且难以识别精细边缘的问题,提出了一种结合邻域方差与各向异性窗的引导滤波算法.首先,利用各向异性高斯滤波器的方向选择性实现对边缘的精细识别,并利用滤波器的狭长空域结构可实现局部窗口内不同像素信息融合,以抑制边缘模糊和光晕效果;其次,基于局部结构相似性原理,引入邻域方差以实现对局部线性变换参数的优化,同时保证强边缘结构和非边缘区域的最大扩散.实验结果表明,在102类花卉图像数据集上,文中算法的视觉效果、定量评价(PSNR和SSIM)均优于其他边缘保持滤波算法,并且测试图像的失真度比引导滤波、加权引导滤波和各向异性引导滤波分别小46.72%, 48.64%和29.61%,能够在识别精细边缘的同时有效地抑制伪影现象的发生.

• 多尺度多特征融合的行人重识别模型

  刘丽, 李曦, 雷雪梅

  为了解决行人重识别中行人特征表达不充分、忽视相邻区域的语义相关性等问题,提出了多尺度多特征融合的行人重识别模型.首先,通过多分支结构获取包含不同信息的特征图;其次,通过组合相邻的局部区域,强调局部特征之间的语义相关性;最后,结合最大池化和平均池化的优势,从不同的方向学习更加全面的特征信息.分别在Market-1501, DukeMTMC-reID以及MSMT17数据集上进行实验,结果表明,在光照不同、拍摄角度不同等环境下,文中模型的mAP分别达到了88.40%, 78.50%, 59.20%,能够有效地提取行人特征,识别精度较高.

• Transformer与卷积神经网络相结合的皮肤镜图像自动分割算法

  韦春苗, 徐岩, 蒋新辉, 魏一铭

  皮肤镜图像的病灶区域与背景像素相似度高,且病灶存在形状多样,边缘模糊,人工或毛发遮挡等情况,为了获得更高精度的皮肤病变分割,提出了一种皮肤镜图像自动分割算法.首先,使用ResNet 34提取多种分辨率特征,在上下文部分使用Transformer模块对输入的特征进行全局建模;其次,通过混合池化模块聚合上下文特征的多尺度信息,在对应连接编解码器的跳跃连接间设计一个高效卷积模块以提高跳跃路径的边缘细化和抗干扰能力;最后,利用解码器恢复图像分辨率,并逐层融合其他浅层分辨率特征,利用Focal Loss函数改善难分割目标的精度.文中算法在ISIC2017,ISIC2018数据集上获得的Dice系数、准确率、Jaccard指数、灵敏度得分分别为88.83%,94.77%,81.43%, 88.49%和89.46%, 94.50%, 82.56%, 94.62%,与其他算法相比具有一定的优势,证明了该算法的有效性.

• 结合Transformer与对称型编解码器的噪声虹膜图像分割方法

  顾正杰, 王财勇, 田启川, 张琪

  针对少约束场景下采集的虹膜图像容易受到镜面反射、睫毛和头发遮挡、运动和离焦模糊等噪声的干扰,导致难以准确地分割有效的虹膜区域的问题,提出一种结合Transformer与对称型编解码器的噪声虹膜图像分割方法.首先,使用Swin Transformer作为编码器,将输入图像的区块序列送入分层Transformer模块中,通过自注意力机制建模像素间的长距离依赖,增强上下文信息的交互;其次,构建与编码器对称的Transformer解码器,对所提取的高阶上下文特征进行多层解码,解码过程中与编码器跳跃连接进行多尺度特征融合,减少下采样造成的空间位置信息丢失;最后,对解码器每个阶段的输出进行监督学习,提升不同尺度特征的抽取质量.基于3个公开的噪声近红外和可见光虹膜数据集NICE.I,CASIA.v4-distance和MICHE-I,与若干包括传统方法、基于卷积神经网络的方法和基于现有Transformer的方法在内的基准方法进行对比实验,实验结果表明,所提方法在E1, E2, F1和MIOU定量评价指标上均取得了比基准方法更优的分割性能,尤其是在减少噪声的干扰上具有明显的优势.此外,在CASIA.v4-distance数据集上的虹膜识别实验表明,文中方法可以有效地提升虹膜识别的性能,显示了良好的应用潜力.

• 采用多级拓扑图卷积网络的可变形三维着装人体重建

  毛爱华, 禚冠军, 禤骏

  为了从单幅图像或者多幅图像中重建出可变形的着装人体,提出了一种采用蒙皮多人线性模型(skinned multi-personlinear model, SMPL)的多级拓扑构建的图卷积神经网络(multi-leveltopology graph convolutional network,MTGCN).首先,通过现有方法从图像中预计算对应姿势和体型的光滑人体SMPL模型,并通过图像特征提取网络得到人体的局部特征图;然后,将SMPL模型顶点投影到特征图中,以获取具体位置的局部特征;最后,利用MTGCN对模型顶点偏移产生着装效果,其下采样与上采样模块可融合局部特征从而获取全局特征,并结合残差模块用于弥补全局特征中丢失的局部信息,从而提升重建的人体质量.在使用MGN与SURREAL合成的图像数据集上,实验结果表明,与目前类似的工作相比,该方法能够产生更低的倒角距离误差与点到曲面的距离误差,并且在人体服装细节与人体部位等方面展示出了更好的结果.此外,生成的三维人体模型可以直接在姿势或者体型上变形,以快速生成着装人体动画.

• 双路径特征融合编解码结构的高速语义分割

  胡学刚, 龚宇, 敬力源

  对基于深度学习的高精度图像语义分割模型参数量大、分割速度慢的问题,提出一种基于双路径特征融合编解码结构的语义分割模型.首先,该模型编码器通过对语义路径和空间路径同时进行编码,其能够融合不同的特征信息,弥补了空间信息和语义信息难以两全的弊端,对特征图进行高效的卷积操作;其次,该模型解码器通过融合高层语义信息和低层空间信息,有效地弥补了编码时下采样操作丢失的特征信息.在Cityscapes和Camvid数据集上的实验结果表明,整体模型的参数量仅为3.91×106,在2个数据集上分别取得了67.7%和65.8%的均交并比,分割速度分别为111帧/s和86帧/s.对比其他同类模型,所提模型拥有更少的参数量和更高的精度,其分割速度远远超过实时语义分割的最低要求24帧/s.

• 基于B样条拟合与回归模型的脑神经纤维聚类方法

  徐超清, 王云超, 孙国道, 梁荣华, 徐秀芳

  针对现有的神经纤维聚类技术通常依赖于纤维束的空间位置,缺乏对神经纤维走向信息考量的问题,提出一种基于B样条拟合与回归模型的脑神经纤维聚类方法,将神经纤维进行B样条拟合与采样,标准化,使用线性回归方程进行神经纤维描述,构造出每根神经纤维的高斯密度函数与神经纤维分布的极大似然函数,使用EM聚类算法进行聚类.将该算法与QB聚类算法应用到真实医学数据(PPMI影像数据跟踪出的脑神经纤维)上,并对聚类结果与QB聚类结果进行评估,定性地判断分类结果在解剖学空间上的相似性,定量地比较聚类后脑神经纤维的数目.实验结果表明,该方法在功能区层面的聚类可以更有效地分割出具有解剖学结构的脑神经纤维.

• 基于多视图聚类算法的三维流场关键点附近的流线筛选

  黄智濒, 傅广涛, 曹凌婧, 刘小萌, 禹旻, 杨武兵

  在关键点周围进行流线可视化时,流场特征复杂多样以及流线之间可能存在共点或对称性等情况,可能导致常规的基于几何或相似性的筛选方法失效.为此,提出了基于数据驱动思想的关键点周围的流线筛选方法 MvCcp,它是基于多视图聚类算法的流线筛选方法,通过对流场进行不同粒度的体素化,生成流线的位置视图和基于距离场直方图的特征视图数据,并通过多视图聚类算法进行流线筛选.针对HalfCylinder等6个典型的关键点周围的三维流场,与其他3种典型的流线筛选方法进行了定性可视化比较,并基于MSE, PSNR, SSIM, AAD等定量指标进行对比实验表明, MvCcp在所有实验中具有更出色和更稳定的表现.

• 基于深度Q网络的平面域Delaunay网格优化算法

  张浩杰, 刘星, 李鸿晶

  网格优化是Delaunay网格生成后的必要步骤,对于保证数值模拟的可靠性至关重要.为了改善平面域Delaunay网格的质量,提出一种基于深度Q网络(deep Q network, DQN)的网格优化算法.首先,对初始网格进行质量评估,选出不满足要求的单元结点,并将其按质量升序排列;其次,将结点移动描述为Markov决策过程,建立并训练DQN模型;再次,利用模型训练后的经验参数加速网格质量优化;最后,以实际的隧道、气缸体、机械零件等为背景构建测试算例,验证算法的适用性和可靠性,并与既有典型算法进行对比试验.研究结果表明,本文算法能显著提高畸变单元的质量,优化后的网格质量分布更为集中,且优化过程不会产生无效单元.