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3期

• 三周期极小曲面结构设计及应用综述

  闫鑫, 田李昊, 彭昊, 吕琳

  三周期极小曲面是一种隐函数表示的代数曲面,具有许多优良的性质.增材制造技术的快速发展极大地增强了复杂几何与拓扑结构的制造能力,三周期极小曲面作为几何建模工具越来越受到关注.首先,从数学表达、性质、应用以及几何设计方法等方面对三周期极小曲面的研究现状进行介绍;其次,对三周期极小曲面在力学、传热传质、组织工程和声学等方面的性能及相关应用进行总结,从几何建模方法的角度对三周期极小曲面进行分类梳理,将现有工作分为规则单元法、参数单元法、区域拼接法以及整体优化法4类,对各方法特点进行分析;最后,结合实际应用对该领域面临的挑战进行总结,并展望未来工作与发展趋势.

• 各向异性广义重心坐标及其应用

  关图安, 韩留洋, 曹娟, 陈中贵

  可在任意多边形上定义的且具有解析表达式的广义重心坐标通常不具有非负性,目前对广义重心坐标各向异性的工作相对较少.针对上述问题,提出了一种可在任意多边形上定义的,且具有非负性和各向异性的广义重心坐标——各向异性坐标.首先,对原始多边形内任意一点,生成该点的可见多边形;其次,基于Power图的相关性质,计算该点关于可见多边形的各向异性坐标;最后,将可见多边形上的各向异性坐标分解到原始多边形上.在图像变形的应用中,各向异性坐标提供了3个几何意义清晰的参数,以供用户直观地调整不同的变形效果;在函数插值的实验中,采用各向异性坐标得到的均方根误差比采用均值坐标时平均降低了44%;在图像逼近的实验中,采用各向异性坐标可有效减少在图像变化剧烈的区域处产生的伪影.

• 保特征的单幅图像三维网格重建

  邢燕, 马俊, 檀结庆

  针对图像重建三维物体方法中存在无法保持物体尖锐特征的问题, 基于深度神经网络, 对输入单幅图像提出一种有效的保特征三维网格生成方法. 对单幅输入图像使用 VGG-16 提取图像特征, 并特别设计了图像边缘检测层获取物体的尖锐特征; 将三维网格(初始为椭球)的顶点投影到特征图和边缘检测图上, 以获得顶点局部特征, 并判断其是否为尖锐特征点; 然后, 将局部特征和顶点位置串联输入到改进的图卷积神经网络(graph convolutional neuralnetwork, GCNN), 对于非尖锐特征点采用普通 GCNN, 对于检测到的尖锐特征点采用 0 邻域图卷积神经网络(0-neighborhood GCNN, 0N-GCNN), 以期其尽量不被邻域顶点过度光滑; GCNN 的输出预测了顶点的新位置和三维特征; 最后, 对网格的顶点及特征用 Loop 细分上采样. 执行 3 次上述变形(二维特征投影、尖锐特征检测、GCNN 变形、上采样)后, 初始椭球最终变形为输入图像中物体模样. 实验使用 ShapeNet 数据集, 在 PyTorch 框架下实现, 从定性和定量两方面与现有方法进行了比较. 实验结果表明, 在 Chamfer 距离和 F-score 两类定量指标上均优于大部分现有方法, 而 Chamfer 距离和 F-score(2τ)的均值表现为最优. 视觉比较也表明, 文中方法可有效地提升特征保持性能.

• 鲁棒的满足误差约束的平面cage生成

  王远成, 王梓睿, 傅孝明, 陈仁杰, 刘利刚

  Cage是基于广义重心坐标的形状编辑与变形应用的基本要素,但现有算法无法保证生成的cage与模型间的距离能够满足给定的误差约束.为此,提出一种鲁棒的平面cage生成算法,对于用户指定的平面网格模型和Hausdorff距离上界,首先生成初始cage,使其与平面网格模型边界间的双向Hausdorff距离在设定的界内;其次,通过拓扑优化和几何优化降低cage的复杂度,并保证cage满足距离上界约束.对于任意的平面网格模型,该算法能从理论上保证生成的cage满足约束.在包含大量平面网格模型的公开数据集上的实验结果表明,与现有方法相比,该算法生成的cage在相同的Hausdorff距离下顶点数更少,在相同的顶点数下Hausdorff距离更小.

• 面向跨模态行人重识别的双向动态交互网络

  郑爱华, 冯孟雅, 李成龙, 汤进, 罗斌

  为了解决当前跨模态行人重识别算法因采用权值共享的卷积核而造成模型针对不同输入动态调整能力差,以及现有方法因仅使用高层粗分辨率的语义特征而造成信息丢失的问题,提出一种双向动态交互网络的跨模态行人重识别方法.首先通过双流网络分别提取不同模态各个残差块后的全局特征;然后根据不同模态的全局内容动态地生成定制化卷积核,提取模态特有信息,并将其作为模态互补信息在模态间进行双向传递以缓解模态异质性;最后对各层不同分辨率的特征进行相关性建模,联合学习跨层的多分辨率特征以获取更具有判别性和鲁棒性的特征表示.在SYSU-MM01和RegDB跨模态行人重识别数据集上的实验结果表明,所提方法在第一命中率(R1)分别高于当前最好方法4.70%和2.12%;在平均检索精度(mAP)上分别高于当前最好方法4.30%和2.67%,验证了该方法的有效性.

• 以图搜图:基于显著性注意力的美容产品检索网络

  孙乾, 魏明强, 燕雪峰, 郭延文

  在基于深度学习的美容产品检索任务中,图片背景、拍摄角度和产品摆放姿态均是产品图片上潜在的干扰信息;同时,检索数据库中众多相似产品会互相干扰.针对这些问题,将显著性注意力机制融入损失函数、随即丢弃模块和相似项计算中,分别设计了显著性损失函数、显著性随即丢弃模块和显著相似性方法,有效地抑制了用户待检索图片与检索数据库图片中的干扰信息;然后,采用有效的特征提取器抵抗图片相似项的干扰;最后综合上述4个模块,提出基于显著性注意力的美容产品检索网络SA-Net.经过Pro-10k数据集训练,在Per-500k数据集上进行消融学习和对比实验的结果表明,SA-Net提升了美容产品检索的准确度,比已公开的最好同类算法AMAC提高3%.

• 点云模型基于几何特征增强与保特征曲面拟合的法向估计方法

  李楠楠, 闫旭, 江栋, 周骏, 刘玉丽

  现有法向估计中,尤其是模型中存在较大噪声的情况下,目标点邻域的选择是一个关键且困难的问题.针对点云模型,为了提高法向估计准确度,提出一种自适应选择邻域且保特征、抗噪声的法向估计方法.首先,提出双边非局部特征增强模块,根据网络前置学习特征以及邻域点几何特性对点邻域进行加权选择,并据此对局部特征进行增强,以提升网络对模型局部几何特征学习的能力;然后,采用局部特征与全局特征相结合的形式刻画点云完备的几何特征,并以此为基础进行局部曲面拟合及法向估计;最后,在局部曲面拟合中提出邻域保特征损失,依据邻域点受噪声干扰度对邻域点的拟合权重进行调整,实现保细节特征的局部曲面拟合,提高对噪声的鲁棒性.实验使用PCPNET数据集进行模型训练和测试,大量定性与定量的实验结果表明,与相关方法相比,所提方法对于不同噪声级别以及不同密度分布等复杂情形都可取得更加准确的法向估计结果,并更好地推动曲面重建等点云处理应用.

• 智能手机PCBA圆形焊点轮廓自适应提取

  闫河, 刘伦宇, 陈早早, 莫佳迪, 刘继红

  智能手机印刷电路板装配(printed circuit board assembly,PCBA)集成度高、焊点间隙小,小视场下成像易引入噪声,圆形焊点边缘粘合、断缺现象明显,导致圆形焊点轮廓提取准确性不高.为此,提出PCBA圆形焊点轮廓自适应提取算法.首先,采用引导滤波算法,在有效地抑制噪声的同时捕捉圆形焊点边缘梯度信息;其次,依据自适应OTSU分割算法实现焊点区域分割,采用8邻域边界跟踪算法及Canny算子提取圆形焊点轮廓信息;最后,利用圆形焊点的轮廓几何特性和边缘滑动窗口机制对轮廓信息进行筛选,从而获得更精细的圆形焊点轮廓.在实验设备采集的90幅PCBA图像数据集上与3种典型方法进行实验的结果表明,所提算法的精确率、召回率、F值分别为96.96%,97.88%,97.42%,运行时间为310ms,可快速、有效地提取出PCBA圆形焊点轮廓.

• 跨模态多视角自监督的个性化食谱推荐异构图网络

  宋亚光, 杨小汕, 徐常胜

  为了更好地建模食物不同内容信息之间的关系,提出一种基于跨模态多视角自监督异构图网络的个性化食物推荐模型.首先,基于用户食物以及食材,构建异构图;其次,基于信息传递,学习建模信息之间的复杂层级关系;再次,利用食物节点特征、食物食材特征以及食物图像特征,构建跨模态多视角对比自监督学习任务增强食物节点的表示;最后,利用用户表示以及基于注意力模块融合得到的食物综合表示完成食物推荐.在大规模食物推荐数据集上的实验结果表明,该方法比最优的基线方法在AUC,NDCG@10和Recall@10这3个指标上分别提升6.35%,8.13%和11.7%,从而证明了该方法的有效性.

• 基于条件生成对抗网络的手语样本骨架缺失关节点修复

  彭冲, 张金艺, 楼亮亮

  计算机视觉技术由于受到遮挡、视角和光照等因素的影响,对手语样本骨架关节点的检测通常存在缺失,导致手语识别准确率降低.为此,提出基于条件生成对抗网络(CGAN)的手语样本骨架缺失关节点修复方法.首先,通过分析手语样本残缺骨架中关节点的缺失分布情况,构建缺失关节点分布概率模型;其次,对完整骨架引入分布概率模型生成的缺失关节点,将这些残缺骨架用于CGAN框架中生成器和判别器的训练,通过CGAN框架训练好的生成器能够以残缺骨架为条件生成没有缺失的骨架;最后,用生成骨架去补全残缺骨架,即完成了修复.在中国手语数据集CSL上开展实验,生成器迭代训练80次后,生成骨架与完整骨架的平均均方根误差从0.019减小到0.001;在修复骨架缺失关节点的手语样本上,搭建手语识别网络迭代训练120次,与未进行修复相比,其识别准确率从90.6%提升为99.6%.实验结果表明,该方法能够有效地修复缺失关节点,极大地提升手语识别准确率.

• 无参注意力结合自监督改善音频分类方法

  公绪超, 李宗民

  基于transformer端到端音频分类方法在许多场景下证明可以达到优于二维卷积的效果.针对目前常用的transformer音频分类方法只关注不同时序间的特征重要性,而对同时序间的特征重要程度刻画程度不足的问题,提出一种无参注意力结合自监督特征构建的方法改善音频分类效果.通过在同时序特征中构造无参多局部极值注意力机制,拟合特征多局部极值分布,刻画同时序间的特征重要性;通过对输入的音频频谱图在时域和频域上随机掩码,加入自监督信息,有效地学习音频频谱细节及分类信息.采用audioset数据集,esc50数据集以及Speech Command数据集进行对比实验,实验结果表明,该算法比基准方法在识别准确率指标上提升了0.46%~1.20%.

• 基于Dark-YOLO的低照度目标检测方法

  江泽涛, 肖芸, 张少钦, 朱玲红, 何玉婷, 翟丰硕

  在复杂的低照度环境中获取的图像存在亮度低、噪声多和细节信息丢失等问题,直接使用通用的目标检测方法无法达到较为理想的效果.为此,提出低照度目标检测方法——Dark-YOLO.首先,使用CSPDarkNet-53骨干网络提取低照度图像特征,并提出路径聚合增强模块以进一步增强特征表征能力;然后,设计金字塔平衡注意力模块捕获多尺度特征并加以有效利用,生成包含不同尺度且更具判别力的特征;最后,使用预测交并比(intersection overunion,IoU)改进检测头,IoU预测分支为每个预测框预测IoU值,使得目标定位更加准确.在ExDark数据集上的实验结果表明,相较于YOLOv4,均值平均精度(mAP)提升了4.10%,Dark-YOLO方法能够有效地提高在低照度场景下目标检测的性能.

• 基于卷积神经网络和多判别特征的跌倒检测算法

  王鑫, 郑晓岩, 高焕兵, 曾子铭, 张吟龙

  针对传统跌倒检测算法中特征提取不充分、跌倒判别条件泛化性差、实时性差等问题,提出一种基于卷积神经网络和多判别特征的跌倒检测算法.为了完成更丰富的特征信息提取并保证实时性,首先,使用MobileNetV3轻量级网络完成对输入图片中人物特征信息的准确、快速提取;其次,使用3个小型卷积核的叠加和残差网络,保证网络在具有相同感受野的情况下降低网络模型的参数量,以保证图像中人体关键点检测的实时性;再次,为了提高跌倒状态判别的准确性,将人体躯干、四肢与地面间夹角,以及人体标定框高宽比变化作为跌倒判别特征;最后,设计了一个基于云服务器的物联网系统,以缓解用户终端计算能力不足导致实时性差的问题.在URFD数据集和自建数据集上进行大量实验的结果表明,该算法的检测准确率分别为99.0%和98.5%,该算法相对于传统跌倒检测算法具有更高的准确性和更好的普适性.

• 融合多种注意力机制的结直肠息肉分割神经网络

  贾立新, 胡奕标, 金燕, 薛智中, 姜智伟, 郑秋富

  精确的息肉分割能够有效地帮助医生发现并切除异常组织,降低息肉转化为结直肠癌的风险.针对息肉具有不同大小、形态、颜色、纹理,类间相似度高、类内差异度大的特点,为了实现对息肉图像的精确分割,提出一种融合多种注意力机制的卷积神经网络.首先,以Res2Net为骨干网络提取图像特征,通过通道分组空间增强注意力增强特征;其次,使用轴向自注意力结合感受野策略获得同时具有边缘细节的低级特征和全局语义高级特征;最后,利用逆向注意力挖掘边界信息,增强网络对于较小且组织边界模糊的息肉的分割性能.在5个息肉分割数据集上,与其他5种基准方法比较的实验结果表明,平均Dice系数、平均交并比和平均绝对误差指标均有所提高,其分割精度和泛化性能均优于现有主流息肉分割网络.

• 多节点位移约束拓扑优化的增广拉格朗日法

  陈卓, 龙凯, 张承婉, 杨晓宇, 刘鑫

  针对结构承载面抗变形的设计需求,提出增广拉格朗日框架下的多节点位移约束拓扑优化方法.首先,建立以多节点位移为约束、以体积分数最小化为目标的拓扑优化列式;其次,利用增广拉格朗日方法将数量众多的位移约束方程转化到目标函数中,将多约束优化问题转化为无约束优化问题;最后,采用移动渐进线法求解无约束优化问题.数值算例结果表明,与包络函数方法相比,该方法能够进一步减少结构体积,且具有稳健、高效和不受参数影响的优势;与柔顺度最小化列式相比,该方法能够有效地控制局部区域的变形,在如风电叶片结构轻量化设计等工程应用中具有必要性.

• 结合单元渐进删除的变密度拓扑优化方法

  徐中明, 李丹彤, 张志飞, 范维春, 许恩永

  在面向连续体拓扑优化问题的固体各向同性惩罚微结构模型中,由于密度或灵敏度过滤的存在,优化结果中会出现灰度单元,影响结构的清晰度.针对此问题,运用渐进结构优化法的思想提出了一种结合单元渐进删除的变密度法.在SIMP法的基础上加入单元渐进删除的过程,单元删除阈值由平均单元相对密度及缩减系数确定,引入包括2个可调控参数的Sigmoid函数表达缩减系数,从而逐渐删除优化过程中产生的灰度单元.在讨论参数取值变化对缩减系数影响的基础上,以MBB梁为例确定参数取值的范围.将结合单元渐进删除的变密度法应用于MBB梁和悬臂梁柔度优化的算例,实验结果表明,该方法可与灵敏度过滤、密度过滤以及Heaviside投影相结合,具有较好的通用性,并能够有效地抑制SIMP法的灰度单元,显著地提升了优化效率.