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2023年第2期

• 人机交互视角下的智能家居研究趋势分析

  黄立, 何一, 马志骏, 米海鹏, 姚远

  当前,智能家居领域的综述类文献侧重于技术层面的创新与分析,鲜有从交互设计的视角解析智能家居的研究空间,而后者也是实现智能家居的自然、便捷、舒适、友好及安全目标的重要条件.梳理智能家居交互设计相关的最新研究成果,从国际高水平人机交互会议及期刊中选出近5年内发表的55篇相关文献,通过探索性阅读、文献编码、主题提取、文献聚类分析、人工分析、数据降维、可视化、文献特征与研究趋势的相关性分析等步骤进行文献溯源与归纳;总结出关注交互设计、关注用户行为、数据隐私与安全、关注智能设备和设计探索5项互有依存且各有特点的研究趋势;最后对人机交互视角下未来智能家居研究的学科融合机制与用户参与机制进行了系统性反思与讨论.

• 基于电子鼻的智能厨房烹饪方式检测

  高莹婷, 胡懿昕, 路奇

  家居环境中的饮食健康研究是长久以来的研究方向,其相关研究目前主要集中在饮食习惯和营养均衡方面,对于烹饪方式的研究相对较少.在智能厨房场景中,开发了一种基于电子鼻的烹饪方式检测方法,使用MOS气体传感器构建的气体传感器阵列对84道菜品在烹饪过程中产生的气体进行连续采集,对比了基于决策树和随机森林的烹饪方式分类模型,研究结果表明,后者对蒸煮、煎炒和油炸3种烹饪方式的平均分类准确率可达95%.此外,邀请了6名用户进行现场体验+访谈,对该方法进行可用性评估.证明了该方法具有帮助用户记录饮食和管理健康的潜力,并且探索了该方法的交互应用,总结了其未来在智能厨房中的设计模式和交互方式,为后续相关研究提供设计建议和方向.

• 家具布局样例引导的插座布局算法

  谈皓, 张少魁, 徐妙, 张松海

  插座布局设计是住宅室内设计中必不可少的一环,其安装位置直接关系到家具的布局安排.针对三维住宅场景提出了一种插座自动布局算法.基于家具布局样例和相关建筑条例,首先,对插座的安全约束、使用需求和被遮挡情况进行数学建模;其次,通过最大后验估计计算出同时满足安全性、必要性和通用性的插座位置;最后,综合美观性约束确定房间整体的插座布局方案.通过李克特量表调查用户对插座布局方案在合理性、实用性和通用性等维度上的综合评分,该算法生成的方案得分高于由专业设计师设计的方案,表明该算法结果可为室内装修设计提供参考.

• 隐私友好的步态数据采集与情绪识别方法

  肖虹, 唐健凯, 丘雨涵, 付心仪

  针对智能家居环境下隐私友好的步态数据,提出一种数据采集与情绪识别方法,通过电容传感器地板采集用户行走数据,形成家居环境下的用户步态数据集;根据采集的数据集提取18维步态特征进行用户情绪识别实验;在GRU_FCN模型基础上,对卷积层和输出层进行修改优化,并提出GRU_FCNPlus模型;对比7种常用模型算法,研究结果表明,GRU_FCNPlus模型在4分类情绪识别任务中准确率比现有方法提高约5%.该方法可采集分析用户的情绪状态、身体状况、行为习惯等,在智能家居环境下的智能感知、人屋交互、用户体验等方面均有非常广阔的应用前景.

• 多感知机制融合的家居物品检测方法

  郭彤颖, 薛亚栋, 吴俊卓

  家居物品检测是家庭服务机器人执行目标抓取任务的关键,针对日常家居场景背景复杂、家居物品密集、小目标物品类型多而导致检测难度较大的问题,提出一种基于多感知机制融合的家居物品检测方法.首先,在YOLOX的颈部网络部分加入坐标注意力机制模块,减少繁杂信息带来的影响;其次,采用基于多感知融合的dynamic head对YOLOX的检测头进行改进,提升对小目标物品的检测精度;最后,在损失函数中加入focal loss,减小因正负样本数量不平衡而带来的误差.在PyTorch环境下,使用自制的家居物品数据集对改进后的YOLOX算法进行消融实验,并与其他6种目标检测算法进行对比实验.实验结果表明,所提方法对家居物品检测的mAP为58.34%,帧速为45.35帧/s,在满足算法检测实时性的同时,有效地提高了对家居物品的检测精度.

• 智能家居中虚拟人的设计与生成

  姚智皓, 乔玥涵, 徐千尧

  随着智能家居的快速发展,国内外学者已经对交互界面进行了多方面的研究.立足虚拟人技术,重点探索智能家居中虚拟人的潜在需求.基于设计师的人物设计经验,将各异的人脸五官特征归类为有限个解剖维度,以此作为设计规则,设计人脸五官的卡通风格化模型模板,比对人脸图像特征构建模板库.在此基础上,结合人脸特征识别及基于美学计算的特征——卡通形象模版库映射关系,实现从二维真实人脸图像到三维卡通人脸的自动生成.该生成方法轻量且能够满足用户的个性化需求,并已投入实际应用.

• 面向智能家居系统的主动交互设计研究

  盖森, 鲁艺, 张印帅, 周乐甲, 王晓烨

  随着物联网和人工智能在智能家居领域的应用,智能家居具备了主动交互能力.针对智能家居主动交互平衡信息传递和用户体验的问题,提出面向智能家居系统主动交互设计策略.首先,通过文献研究总结了智能家居系统主动交互的发展现状,将其总结为3个特征,即交互策略逐步采用自适应场景模式、交互通道逐步转向多模态和交互程度逐步呈现低打扰度,为策略设计提供了理论支撑;其次,梳理出智能家居场景要素和不同交互模态打扰度等级,并提出了在不同场景的任务下智能家居对应的主动交互策略;最后,采用“绿野仙踪”方法在自行搭建的实验场景下进行实验,并以SUS量表和USE问卷作为评价指标,验证了所提策略的可用性和满意度.此外,构建了智能家居不同场景与主动交互打扰度的对应关系,以期为后续研究提供参考.

• 智能居家养老场景下跌倒检测摄像头的交互设计

  张为威, 金彤彤, 孙童心, 黄钰茹, 郜洵, 郑址洪

  在室内跌倒可能威胁到老年人的生命健康,为了更好地支持老年人在家中独立生活,提出了智能居家养老场景中跌倒检测摄像头的交互设计方案.通过对国内6座城市中422位老年人的线下问卷调研和一场6位老年人参与的工作坊,深入探索了老年人对跌倒检测摄像头的功能需求和交互偏好.调研结果使用主题分析的方法总结出老年人偏好语音和图像结合的多模态交互形式,并结合老年人提出的救助流程优化建议和其他功能诉求,丰富了智能居家摄像头的功能,如预设基础病信息和共享检测数据给医生等.最后,根据调研结果以微信小程序为载体,设计了摄像头的交互流程与图形界面,以期为相关研究提供参考.

• 面向儿童学习的智能家居人机交互技术综述

  李萌, 查思雨, 宫未, 贾云鹏

  新冠疫情的发展使得儿童居家学习的频率增加,越来越多的研究者开始关注居家场景下的儿童学习.通过梳理近5年儿童居家学习交互设计领域中的前沿及经典案例,分析了儿童居家学习人机交互中的实体交互技术、增强现实技术和多模态交互技术;回顾了这一环境中儿童学习的交互系统应用,并指出了其对儿童能力发展、学习过程、学习习惯和学习环境的积极作用.通过分析,提出该情境下学习环境设计需创设居家学习应用、联动智能家居系统、构建交互学习环境的设计建议.最后,指出了当前工作存在的技术和伦理问题,提出未来需引入智能感知、情感识别和表达技术,并对这一领域的发展进行展望.

• 家居环境中的智能扫地机器人设计

  叶鲁斌, 刘皓月, 张纪元, 李云飞, 于明杨, 王港, 陈震

  针对扫地机器人工作场景复杂、算力受限等问题,通过搭载自研视觉模组,设计实现了低算力需求、高精度的视觉同步定位建图与实时避障方案,解决了视觉机型相较雷达机型建图精度低、物理碰撞多等问题,通过应用区域划分与用途预测算法优化整体室内清洁策略与路径规划,清扫覆盖率提升4.19%,污渍清扫完成度提升36.7%,障碍物导致的故障率低于5%.此外,针对轻量移动机器人算力受限问题,在YOLOv5目标检测模型基础上进行改进,使其适应扫地机器人硬件与场景要求,并较同平台处理速度提升了30%.实验采用自研嗅觉传感器设计燃气泄漏、食物腐败等情形的报警功能,增加了污渍识别、家居建模、巡逻看家、失物寻回等实用智能家居服务.

• 结合伪标签生成与噪声标签学习的弱监督点云分割

  邓安, 张鹏, 陆竹恒, 李蔚清, 苏智勇

  针对当前基于深度学习的点云分割技术对点级别标注训练数据的依赖问题,提出一种基于伪标签生成与噪声标签学习的弱监督点云分割框架.首先,利用点云具有非局部相似性的特点,基于局部-非局部图对点云数据进行建模;其次,基于关系图卷积网络,以半监督的方式为稀疏标注的点云训练集数据生成高质量的伪标签;最后,针对生成的伪标签中存在噪声标签的问题,设计一种利用含噪声标签数据准确训练现有点云分割网络的渐进式噪声鲁棒损失函数.在ShapeNet Part与S3DIS等公开点云分割数据集上的实验结果表明,该框架在推理阶段不增加模型额外运算量的情况下,当使用10%的标签时,在ShapeNet Part数据集上的分割精度与全监督方法相差0.1%;当使用1%的标签时,在S3DIS数据集上的分割精度与全监督方法相差5.2%.

• 基于相对坐标控制的非均匀纹理合成方法

  陈凯健, 李二强, 周漾

  针对当前非均匀纹理合成方法或无法保持非均匀纹理的大尺度结构,或受网络结构限制,无法合成任意大小的纹理的问题,提出基于相对坐标控制的非均匀纹理合成方法.该方法基于全卷积金字塔结构生成对抗网络SinGAN,首先,引入相对坐标信息作为条件输入进行引导控制合成,从而保留非均匀纹理样图的整体结构特性;然后引入旋转图块增强训练,通过下采样和角度旋转,获得大量纹理图块训练数据,从而进一步提升纹理合成的细节质量.最后,通过对多张挑战性非均匀纹理进行任意比例合成实验,结果表明,该方法可合成具有任意大小的新纹理样本,合成结果能够有效地保持源图像的全局结构和局部精细纹理.此外,用户还可根据需要选择源纹理区域进行扩展合成,从而带来更好的可控纹理合成体验.

• 复杂光照下的交通标志检测与识别

  项新建, 姚佳娜, 黄炳强, 杨松, 武晓莉

  针对不同光照下交通标志图像检测与识别困难的问题,提出一种基于Retinex-Gamma的光照图像增强算法,该算法与Mask R-CNN相结合,称为Retinex-Gamma-Mask R-CNN算法.首先,基于光照反射成像模型将图像RGB空间转换为HSV空间,对V通道进行多尺度高斯滤波处理获得光照分量,利用光照分量提取反射分量,并对反射分量进行线性拉升优化;其次,利用光照分量的分布特征进行二维Gamma函数调整,并获得优化后的亮度分量;最后,利用混合空间增强法获得增强后的V通道,重新构造图像.实验采用的ZCTSDB数据集共有15 724幅图像,包含不同光照的驾驶环境.实验结果表明,与标准Mask R-CNN相比,Retinex-Gamma-Mask R-CNN算法对交通标志的目标检测的均值平均精度提升了0.161%,对交通标志的实例分割的均值平均精度提升了0.363%.

• 基于RAW域的低光照图像质量增强方法

  陈龙, 张一驰, 吕张凯, 丁丹丹

  考虑原始图像(RAW图像)中的噪声未经过相机ISP的复杂非线性映射,更加容易建模,提出基于RAW域对低光照图像进行质量增强,以获得清晰的、高质量的图像.首先,将由相机传感器捕获的RAW图像进行线性插值,获得RGGB共4个通道的彩色图像,并模拟不同曝光程度的图像;其次,设计神经网络模型来学习不同曝光程度的RAW图像与正常曝光图像的映射关系,该神经网络采用了自编码器结构,并嵌入了通道注意力模块,以提取并增强图像中的纹理与细节特征;最后,在神经网络训练时,引入了结构相似性损失和梯度下降损失,引导网络生成与参考图像之间结构相似性和色彩关联性较高的高质量图像.该方法在SID数据集上进行了训练和测试,PSNR达到了29.738 0 dB,MPSNR达到了30.233 4 dB,均高于目前流行方法(如EnlightenGAN,Zero-DCE,SID,Residual和ALEN等);在主观质量方面,该方法生成的图像质量显著优于比较方法,无明显噪声和色斑伪影,颜色也更加真实细腻.

• 多尺度特征融合的透明物体深度图像快速修复方法

  刘康, 冼楚华, 李桂清

  透明物体是日常生活中常见的事物,具有独特的视觉特性,这些特性使得标准的视觉3D传感器较难对其进行准确的深度估计.在大多数情况下,视觉3D传感器捕获的深度信息表现为透明物体后面的背景的深度值或大面积的深度缺失.为了对深度图像中透明物体的深度缺失进行快速修复,提出一种基于语义分割和多尺度融合的透明物体深度图像快速修复的方法,使用轻量级实时语义分割预测出透明物体的遮罩,剔除深度场景图像中该部分的错误深度信息,对彩色图像和剔除错误信息后的深度图像进行多尺度的特征提取和特征融合,完成对透明物体的深度图像快速修复.本文在Clear Grasp数据集上算法进行了效果验证.该数据集包含了5万多组RGB-D图像.实验结果表明,文中方法对透明物体深度的修复在度量指标MAE,δ1.05和δ1.25上,分别取得了0.027,72.98和98.04的结果,均优于现有方法,并且在效率上有较好的提升.

• 基于双支残差特征融合的图像去雾算法

  吉辉, 胡辽林, 韩志超

  针对现有的基于卷积神经网络去雾算法无法有效地去除真实雾图非均匀分布的雾霾问题,提出一种基于双支残差特征融合网络的端到端图像去雾算法.上下文空间域注意分支针对有雾图像的高频雾气区域进行像素注意,将空间域注意模块插入多尺度扩张卷积组,对雾霾特征的像素空间进行权重赋值;通道域注意编解码分支针对高频雾霾特征的通道方向进行注意,设置ResNet自编码结构并引入通道注意解码结构对不同通道特征图的权重进行赋值;特征融合模块采用自适应权重融合像素注意和通道注意的雾层特征信息,输出不均匀雾气残差层;将原始雾图和雾气残差层作差实现图像去雾,设计判别网络提高去雾图的视觉观感.采用真实雾气图像数据集NH-Haze进行评估,实验结果表明,所提算法对非均匀分布雾图的去雾视觉效果良好,在峰值信噪比和结构相似度评价上均优于对比算法.