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5期

• 虚拟维修技术近10年研究进展综述

  郭子玥, 周栋, 郝爱民, 王妍, 陈承璋, 周启迪, 耿杰

  作为虚拟现实的一种应用技术,虚拟维修被广泛应用于复杂产品装备的维修性设计、维修方案验证和维修训练当中.近年来,随着仿真技术和硬件性能的迅猛发展,以及企业和用户对产品维修相关问题的不断重视,虚拟维修也在技术特征、应用范围、实施流程等方面发生着深刻改变,并逐渐出现了“多技术融合、全周期应用”的特点.针对虚拟维修技术出现的诸多改变,基于系统文献回顾方法,对国内外近10年相关文献进行调研,从虚拟维修技术的发展演变、应用现状、研究热点等方面进行了系统分析;重点介绍了国外虚拟维修技术在工程领域中的研究应用;最后对虚拟维修技术在场景一致性、交互沉浸感和研发集成度等方面存在的挑战进行了总结,并在此基础上,对未来发展趋势进行了展望.

• 用于角色表情动画生成的深度学习技术

  张睿思, 潘烨

  人脸动作捕捉不仅需要对人脸几何信息进行模拟,而且需要准确传达人脸表情.传统的人脸动作捕捉技术,如ARkit,基于人脸的几何信息对面部表情进行捕捉,但是很难让观众体验到角色表情变化.而最近的基于情绪的动作捕捉技术,如ExprGen,考虑使用人脸情绪进行面部捕捉,但很难对角色脸部细节进行刻画.为此,提出将人脸几何信息和表情结合的方法,对动画角色进行控制.首先,通过训练神经网络识别人脸和动画角色表情,对人脸和动画数据集图像进行匹配.然后,通过训练端到端神经网络,提取角色表情信息,获得动画角色骨骼参数.最后,结合人脸几何信息对脸部关键点骨骼参数进行修正.通过对不同人脸输入,生成角色表情定性分析;用4个演员视频作为输入,带动角色运动的吸引力和强度定量分析证明了方法的准确性和实时性.

• 多尺度特征提取和多层次注意力机制的迷彩伪装目标分割算法

  梁新宇, 权冀川, 杨辉, 肖铠鸿, 王中伟

  针对现阶段语义分割算法在野外战场环境中对迷彩伪装目标分割边界不理想、小目标分割精度低的问题,提出一种结合多尺度特征提取和多层次注意力机制的迷彩伪装目标语义分割算法CSS-Net.该算法由编码结构和解码结构组成.编码部分利用轻量化的深度可分离卷积联合残差结构构建特征编码器,对迷彩伪装目标图像进行特征提取;解码部分设计了策略选择的多尺度特征融合模块和多层次注意力特征增强模块,用以获取图像的多尺度信息和通道信息,在逐步精细化分割结果的同时进一步增强图像的语义解码过程.实验结果表明,CSS-Net算法能够有效实现复杂战场环境下伪装目标的分割识别,总体分割的平均交并比指标达到91.98%,分割边界得到改善.与DeepLabv3+算法相比,CSS-Net算法用于迷彩伪装小目标图像分割时的平均交并比指标增长3.71个百分点,对于多尺度目标分割的平均交并比指标均超过85%,分割效果提升明显.

• 基于超声图像语义分割的HIFU治疗目标区域提取方法

  黄峥, 颜上取, 邹孝, 王润民, 钱盛友

  在高强度聚焦超声治疗中,需要在监控超声图像中准确地提取治疗的目标区域,但受到超声图像中复杂背景和大量噪声的干扰,传统图像分割算法对超声图像中目标区域分割时存在局限性.为了提取超声图像中的目标区域,提出一种结合改进DeepLabv3+网络和改进损失函数的语义分割方法.在DeepLabv3+网络的基础上,加入串联了DenseASPP结构与通道注意力机制的注意力机制增强DenseASPP到DeepLabv3+编码器中,并提出一种特征图加权模块加入DeepLabv3+解码器中,以提高网络特征提取能力和对目标区域边缘的分割精度;在损失函数上,结合Huber损失和noise-robust Dice损失得到的改进损失,解决多类别像素数量比例失衡问题并提高损失函数对噪声的鲁棒性.消融实验结果表明,与原始DeepLabv3+网络相比,改进DeepLabv3+网络分割结果的MIoU提高0.46个百分点,使用改进损失函数训练的改进DeepLabv3+网络分割结果的MIoU提高0.99个百分点.所提方法有效地提高了对高强度聚焦超声治疗监控超声图像中目标区域的分割精度,并对噪声具有强鲁棒性.

• 基于深度卷积神经网络和迁移学习的纹理图像识别

  王军敏, 樊养余, 李祖贺

  针对传统的纹理图像识别方法设计过程复杂,而现有的基于深度学习的方法未能有效解决纹理图像样本数量偏少而导致识别精度不佳的问题,提出一种基于深度卷积神经网络和迁移学习的纹理图像识别方法.首先利用在大规模ImageNet图像数据集上预先训练的深度学习模型构造新的迁移学习模型;然后设置合理的模型超参数,并将训练损失、验证损失以及训练集和验证集深度特征距离的加权和作为训练的代价函数;最后通过逐层训练和验证确定最佳的迁移学习模型.实验结果表明,所提方法在CUReT,KTH-TIPS,UIUC,UMD和NewBarkTex纹理数据库上分别取得了99.76%,99.87%,99.80%,100.00%和94.01%的识别精度,具有良好的稳健性和识别能力.

• 融合多尺度特征的马尔可夫随机场路面裂缝分割算法

  卢印举, 马芳, 戴曙光, 苏玉

  为提高路面裂缝分割算法的准确性和鲁棒性,提出一种融合灰度统计模型和多尺度特征向量的马尔可夫随机场裂缝分割模型.首先,基于裂缝图像直方图,采用高斯分布和瑞利分布构架裂缝图像灰度统计模型,并利用EM算法对模型参数优化求解;然后,采用双向高斯核函数与裂缝图像的卷积构造裂缝的Hessian矩阵,通过计算不同尺度下的裂缝测度响应值提取裂缝图像的多尺度特征向量,以增强裂缝的树状几何结构;最后,将多尺度特征向量融合到马尔可夫随机场裂缝分割模型,基于最小能量准则,使用条件迭代算法求解裂缝最大标号场.在公共数据集CrackTree206和200幅自建的裂缝数据集上,与马尔科夫随机场等3种算法进行对比分析,实验结果表明,所提算法的概率边缘指数指标达91.78%,全局一致性错分指标达9.86%,评价指标优于其他裂缝分割算法,说明了所提算法能够有效地提高裂缝分割精度.

• 采用神经网络架构搜索的三维模型分类

  周鹏, 杨军

  针对可微架构搜索方法存在的离散化误差、更新不平衡、跳跃连接富集等问题,提出一种基于资源平衡的网络架构搜索方法.首先,通过资源平衡型渐进式剪枝法裁剪对性能提升贡献较小的弱操作;其次,为使架构搜索过程中各操作具有单独的权重,能够体现出每个操作对超网性能的贡献,将架构搜索过程中各操作算子之间的竞争关系改为先合作、后竞争的关系;最后,对候选操作添加高斯噪声以抑制跳跃连接的不公平竞争优势.在三维点云数据集ModelNet和二维图像数据集CIFAR-10进行了实验,结果表明所提方法能有效地减小离散化误差,防止跳跃连接富集导致的性能坍塌;与SGAS,NoisyDARTS和人工设计的网络架构相比,所提方法能高效地搜索出帕累托最优网络架构,在三维点云模型分类过程中具有较高的分类准确率.

• 基于四元数的强泛化性GAN生成人脸检测算法

  陈北京, 李天牧, 王金伟, 赵国英

  基于生成式对抗网络(generative adversarial network,GAN)模型生成的逼真人脸图像给司法、刑侦、名誉保护等带来了挑战.因此,基于四元数提出一种具有强泛化性的GAN生成人脸检测算法,其由GAN噪声指纹提取模块与分类模块组成.GAN噪声指纹提取模块采用孪生四元数U-Net提取噪声指纹特征;分类模块基于提取的噪声指纹特征采用四元数ResNet区分真实人脸和生成人脸;使用基于距离的逻辑回归损失函数和交叉熵损失函数对参数进行寻优.采用公开的自然人脸数据集CelebA进行实验,基于其利用多种GAN模型得到不同生成人脸数据集.4组消融实验验证了该算法在4个方面的改进的有效性.一种GAN生成人脸数据训练多种GAN测试的结果以及鲁棒性实验结果表明,所提算法比对比算法具有更强的泛化性以及较好的抵抗JPEG攻击的鲁棒性.

• 基于高斯采样的区域多元化图像风格迁移方法

  李文书, 赵朋, 尹灵芝, 李绅皓

  随着深度学习的迅速发展,图像风格迁移成为计算机视觉领域的研究热点之一.针对现有方法难以对内容图像中局部相似区域进行有效风格迁移的问题,提出基于高斯采样的区域多元化图像风格迁移方法.首先,通过编码器提取图像特征;然后,在特征空间中将内容特征、风格特征和从风格图像所处的高斯分布中采样得到的风格特征融合;最后,通过解码器重建风格化图像.在WikiArt和Microsoft COCO数据集上进行实验,并使用内容损失和多尺度风格损失评价指标进行量化度量.实验结果表明,与现有方法相比,所提方法能有效地降低生成图像的风格损失,使生成图像的整体风格更加统一,呈现出更好的视觉效果.

• 图文跨模态检索的概率分布表示学习

  杨晨, 刘立波

  针对现有图文跨模态检索方法中样本的单点特征仅能体现样本与语义空间中特定一点的关联而无法表征与整个空间所有点的关系,进而造成对样本语义复杂性和样本间局部相似性表达能力不足的问题,提出一种图文跨模态检索的概率分布表示学习方法.首先利用样本标签信息学习样本的显著性语义特征,从而基于变分信息瓶颈思想构建不同模态的语义空间并学习各样本语义分布,通过样本语义分布对应于空间中每点的概率密度值直接反映各点与给定样本的关联;接着引入铰链三元组损失对齐属于不同模态的样本语义分布,以保证相似图像-文本对所对应语义分布的相似性;最后使用语义分布作为样本特征,采用巴氏距离度量样本语义分布间的差异衡量样本间语义相似度,以提升对样本语义复杂性的建模能力和对样本间局部相似性的表达能力.在Wikipedia和Pascal Sentence数据集上与9种现有方法进行对比的实验结果表明,所提方法优于所有对比方法.针对Wikipedia数据集,所提方法在图检文和文检图任务上的平均mAP比对比方法提升了15.0个百分点,针对Pascal Sentence数据集提升了13.6个百分点.

• 基于小波的顺序独立半透明渲染

  朱家敏, 林港, 宋晓峰, 刘艳丽, 张建伟, 张严辞

  实时渲染半透明物体是提高游戏画面真实感的重要因素,为了在兼顾质量的同时提高半透明物体渲染的速度,提出使用小波级数重建半透明物体透射率的顺序独立半透明(order-independent transparency,OIT)渲染算法.在渲染半透明物体时,首先通过光栅化得到每个像素对应的所有半透明片元;然后根据深度值将半透明片元的吸收率投影至小波尺度函数,计算并累计系数,得到重建每个像素对应的透射率函数所需的信息;最后在计算半透明片元对某一像素的贡献时,取出该像素处保存的小波系数以重建透射率函数,代入深度值计算出其透射率,将该片元的颜色累计至最终像素.实验使用半透明的Utah teapot,Stanford dragon等数据在GTX 980显卡上进行渲染,结果表明,在不同场景中本文算法比基于矩的OIT算法效率提升了10%~40%.将基于并发链表的OIT算法作为准确结果,本文渲染结果的均方误差(root mean square error,RMSE)不超过1.5%.

• 面向交通轨迹的数据流可视化方法

  赵韦鑫, 谭博友, 周锐, 王桂娟, 陈华容, 吴亚东

  为通过视觉图形交互式创建交通轨迹可视化,提出一种面向交通轨迹的数据流可视化方法.使用向导推荐辅助构建数据流图,完成交通轨迹聚类分析、相关性分析和异常检测.首先,开发数据流系统用于交互式构建交通轨迹可视化;其次,使用基于数据流异构网络的向导推荐模型辅助构建数据流图.该推荐模型将向导推荐作为图搜索问题,将用户关于向导推荐结果的评分反馈至数据流异构网络以更新节点关系.基于真实交通轨迹数据的案例评估和关于用户选择倾向的里克特量表评估结果表明,所提方法是有效的.

• 三角B-B曲面最小二乘渐进迭代格式的革新与加速

  胡倩倩, 王家栋, 王国瑾

  传统渐近迭代逼近方法是一种简单、直观和有效的数据拟合方法,但存在难以处理海量数据的缺陷.最小二乘渐近迭代逼近(least square progressive iterative approximation,LSPIA)方法的出现弥补了其数据量受限的不足,使之能适用于大量数据拟合的需求.为了提高LSPIA方法的收敛速度,结合Moore-Penrose广义逆的Schulz迭代方法,给出了三角B-B曲面的加速LSPIA迭代格式,并证明了2,3,4次三角B-B逼近曲面的LSPIA生成以2次的收敛速度收敛到最小二乘逼近结果.此外,还提供了拥有最快收敛速度的权重公式,并用实例验证了该加速LSPIA方法的正确性和高效性.

• 基于均匀网格的动态多光源直接光照

  陈健蔚, 刘昊峰, 刘艳丽, 张严辞

  为了渲染含大量动态光源的场景,提出一种层次重采样算法.首先提出一种稀疏八叉树的实时重建策略,通过并行排序和合并加速其重建;然后通过自顶向下遍历稀疏八叉树,对以均匀网格离散化表示的空间进行高效采样;最后,为了提高渲染质量,对该空间内的均匀网格进行重采样.在ORCA和自建场景下的实验结果表明,所提算法能够较好地在渲染效率和质量间取得平衡,采样和渲染质量优于随机光源裁剪算法,而且渲染结果质量相近时,所提算法采样开销可减少约50%.

• 曲多边形四边剖分算法

  陈龙, 冯文斌, 谢宇洋, 卜宁远, 汪中厚

  针对当前体参数化模型构建过程中需要进行模型分割的问题,提出一种基于曲线几何特征的曲多边形四边剖分算法.首先定义轮廓曲线、内外连接线、轮廓多边形等特征,采用改进的射线法构建特征包含树;然后从特征包含树最底层叶节点开始执行一系列子域剖分操作,包括零亏格子域多边形获取及排序、可行剖分线寻找及排序、递归执行四边剖分,获得全为曲凸四边形的子域,并且尽可能避免产生尖点;最后对所有非空四边形子域进行Coons插值生成参数化曲面,辅以拉伸、扫描、旋转、放样等操作获得体参数化模型.实例部分选取了5种多孔模型,每种模型分别在轮廓变化和内外连接线变化的情况下进行剖分,结果表明所提算法能快速、准确地实现包含亏格域的复杂二维四边剖分.

• 界面离散网格点数据重规整化方法

  孙岩, 邓学霖, 何良莉, 姚海艳

  针对界面网格数据结构化排序过程中出现的网格点连接关系混乱问题,提出一种基于二叉树结构的离散网格点重规整化方法.首先,详细介绍方法的整体思路,即利用二叉树结构与结构化网格数据之间的单一映射关系,通过构建二叉树结构模型,重构网格的行列特征信息,实现网格点的结构化排序;然后,通过网格点分类、根节点选择、子节点添加,创建网格点数据的二叉树模型;最后,逐层遍历二叉树模型,获得排序后的网格点.基于不同外形、规模和排序网格算例的数值实验结果表明,所提方法具有良好的适应性和较高的鲁棒性,且在工程常用规模界面网格数据结构化排序中也具有十分优异的算法效率.

• 利用三维深度神经网络提取个性化牙弓线

  杨俊铄, 戴宁, 田素坤, 俞青, 程筱胜

  针对现有正畸治疗中牙弓提取方法存在交互烦琐、效率低、个性化程度低等问题,提出一种基于三维深度神经网络的个性化牙弓智能提取方法.首先,分析牙弓的分布形态,采用归一化点云模型对牙列模型进行标签化预处理,并构建训练数据集;其次,利用训练好的网络模型对牙列点云进行分割,使用全连接条件随机场(conditional randomfield,CRF)对分割区域进行建模和优化,提取预测结果中标签值为1的牙列点云作为提取牙弓线的预备体;最后,将分割结果中标签值为1的牙列点云的边界点作为预备体边缘点,并采用多项式样条曲线拟合的方法构建牙弓线形状.使用800组标签化的牙列点云训练网络模型进行实验,结果表明,使用所提方法构建的牙弓线提取网络分割精度可以达到96.10%,提取时长与传统方法相比缩短了3~8 s;所提方法与医生手工提取方法相比,提取畸形程度较小牙列的牙弓线的平均误差小于0.5 mm,提取畸形程度较大牙列牙弓线的平均误差小于1 mm.