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4期

• 内外先验结合的多尺度低秩去噪方法

  张莉, 韩靖敏, 钱妍, 檀结庆

  内部先验的去噪方法侧重图像的低秩性、稀疏性等先验知识,较少考虑多尺度特性;而基于外部先验的去噪方法充分利用自然图像的先验信息,却难以恰当地估计相似块组的秩.针对这些问题,综合考虑不同尺度间的噪声图像信息以及外部清晰图像的统计分布规律,提出内外先验结合的多尺度低秩去噪方法.在预训练阶段,学习外部自然图像数据集的统计分布规律,获得外部自然图像的先验信息;在分组阶段,采用外部先验信息引导噪声图像分组,构建低秩矩阵;在低秩约束阶段,利用构建的多尺度低秩去噪方法对噪声图像进行重建.在Set5,Set12,Kodak,McMaster等经典图像数据集上的实验结果表明,该方法在客观评价指标上有较为明显的改善,如峰值信噪比优于对比方法0.2 dB,并在主观视觉效果上能够保留图像细节和纹理.

• 结合双向混合约束和弹性验证机制的跨模态动作匹配

  何雨霖, 彭淑娟, 柳欣, 崔振

  由于视频骨骼数据的复杂性及语义鸿沟问题,现有的动作匹配方法无法较好地解决不同模态运动数据间的关联匹配问题.为此,提出一个面向RGB视频-三维骨骼数据的跨模态动作匹配学习方法.首先,设计跨模态动作匹配框架,挖掘RGB视频数据和骨骼序列数据间的共同语义信息;其次,引入权值共享的多模态双层残差结构和双向混合约束,用于挖掘模态间关联,从而生成共享语义嵌入的跨模态表示,极大地提高数据利用率和提升模型的性能;最后,提出弹性验证模块,促使网络在共享语义空间中专注于鉴别性动作特征的学习,有效地提升模型的泛化性能.实验结果表明,该框架可以更加有效地解决RGB视频和骨骼序列2个模态间的动作匹配任务,并在NTU-RGBD和JHMDB数据集上的跨模态ACC和MAP定量分析指数方面均优于现有3种基准算法,较好地实现了异构模态动作间的灵活跨越.

• 循环一致性的无监督可变形图像配准方法

  余升林, 吴彤, 葛明锋, 董文飞

  针对可变形图像配准中因变形场可逆性被忽略而导致配准精度降低的问题,提出一种变形场循环一致性的无监督可变形图像配准方法.首先,设计了一种基于无监督学习的可变形图像配准框架,它包括学习图像特征的编码-解码器和用于生成采样网格的空间变换网络2部分,以指导浮动图像朝着参考图像方向的准确移动,从而完成图像的配准;其次,提出变形场循环一致性的损失函数,以保证配准过程中变形场的一致性;最后,结合雅可比损失函数和L2范数对变形场进行惩罚,以保证变形场的光滑性,促使网络输出准确、真实的变形场.基于PyTorch框架,使用2D合成数据集和2D MR数据集对该网络进行评价.实验结果表明,与几种先进的配准方法相比,该方法在Dice值上提升了1.77%,在变形场雅可比行列式负值比例上下降了35.71%,取得了更好的配准效果.

• 改进损失函数的增强型FPN水下小目标检测

  乔美英, 史建柯, 李冰锋, 赵岩, 史有强

  针对水下小目标因携带特征信息少、定位不精准而导致检测精度低的问题,提出一种特征金字塔网络(FPN).首先,在FPN上采样过程中加入协同非局部注意力模块,利用卷积、横纵向池化挖掘特征图的静态和动态上下文信息;其次,在FPN通道调整过程中加入三叉戟特征增强模块,利用并行空洞卷积与高效通道注意力(ECANet)捕捉多尺度空间与通道特征信息;最后,在Faster R-CNN算法的回归损失函数中引入线性回归损失增益系数,增大对多尺度目标回归偏移量的惩罚,提高定位精度.实验结果表明,采用2020年全国水下目标检测大赛提供的数据集、PASCAL VOC数据集和MS COCO数据集进行实验,该算法比基线Faster R-CNN算法精度分别提升2.8%,2.2%和2.5%,结果证明了其有效性.

• 多尺度小波池化协方差网络:对噪声鲁棒的病理学图像分类算法

  张学顶, 张术昌, 王红霞, 王亚东

  将基于深度学习的图像分类方法用于辅助病理学诊断优势突出,但获取病理学切片过程中产生的噪声会影响网络的泛化性能,进而降低分类算法的准确率.针对该问题,提出了一种鲁棒的病理学图像分类算法——多尺度小波池化协方差(multi-scale wavelet pooling covariance,MWPC)网络.MWPC网络主要由小波池化层、复合卷积层、多尺度特征融合和协方差特征提取层4个核心模块构成,其中小波池化层在抑制噪声影响的同时,保护了有效特征不受损失.多尺度特征融合将浅层特征与深层特征结合,使深层特征能够保留更多图像细节.协方差特征提取层可以获取图像的高阶统计特征,提高网络的泛化性能.在病理图像数据集上的测试结果表明,MWPC网络针对组织病理学图像分块级别的五分类任务,在无噪声条件下准确率可以达到90.90%,比ResNet提高1.68%,比Inception-v3分类网络提高0.43%;在模拟椒盐噪声、高斯噪声和柯西噪声等条件下,其噪声鲁棒性能提升明显,且能够降低平均噪声误差.多种网络模块的消融实验结果表明,MWPC网络能够提高网络分类性能和噪声鲁棒性.

• 可微风格搜索:一种在线自动数据增强方法

  罗亚威, 于俊清

  针对现有数据增强方法中所存在的离线图像变换和搜索空间受限等问题,提出一种在线自动数据增强(ODA)方法.ODA的核心是一个可微风格搜索模块,该模块可以通过直接回传训练损失的方式感知任务模型当前所需的数据增强,以对抗搜索的方式在线生成更难的风格化图片以扩展训练集,从而高效地帮助模型完成在多种未知风格上的泛化.在跨领域图像分类任务的MNIST,MNIST-M,SVHN和USPS数据集以及跨领域场景语义分割任务的Cityscapes和GTA5数据集上,与其他5种典型的数据增强方法进行对比实验表明,在Acc指标上ODA方法能带来至少2%的分类精度提升,而在语义分割任务的mIoU指标上ODA方法能带来3%到7%的提升,证明了ODA扩充了传统自动数据增强方法在图像风格方向上的搜索空间,增强了网络的泛化能力.

• 中华菜系饮食数据可视分析

  冯丹, 月小琪, 秦红星, 胡海波

  饮食文化是中华文明的重要组成部分,对饮食文化中八大菜系的探究有助于传承和弘扬中华文明.为了向人们进行合理的食谱推荐,提出一个可视分析系统DietVis.首先,设计一种用于表达菜系多维属性的新颖视图,帮助用户分析菜系构成特征;其次,通过对食谱的食材构成和烹饪手法等进行聚类分析,让用户可以多角度地探究食谱间的关联;并结合食谱搭配的关联规则进行推荐,以满足不同用户的检索需求;最后,通过多视图联动构建出完整的饮食数据可视分析系统,支持用户在多层面对菜系及食谱进行探索和对比分析.通过案例分析和用户评估实验,采用李克特量表对调查问卷进行分析,验证了可视化视图的有效性以及系统的实用性.

• 面向沉浸式虚拟现实的数字地球交互漫游方法

  谭力恒, 蒋秉川, 李锋, 魏然

  针对目前沉浸式虚拟现实相关工作通常是基于局部环境构建的,在全球大范围场景方面仍存在空白和不足的问题,提出一种面向沉浸式虚拟现实的数字地球交互漫游方法.首先,确立以观察者为中心的视点控制基本范式;其次,推导设备坐标系与大地坐标系、空间直角坐标系之间的2种基本对应关系,将真实世界中人的活动空间连续映射到数字地球中;然后,考虑当前硬件条件,提出一种综合使用头盔和手柄进行全球范围漫游浏览的方法,能够对观察方向、移动方向、移动速度进行灵活且准确的控制,并符合人在真实世界的经验和直觉;最后,融合地表影像、高程、高精度倾斜模型数据构建多尺度数字地球场景,设计多种类型漫游任务进行实验,通过完成度、耗费时间、视线偏角等指标,评估漫游方法的有效性、合理性和舒适度.实验结果表明,该方法能够有效地支撑用户在全球虚拟环境中的漫游浏览,可以更自然、高效地完成多种类型的漫游任务,为后续全球范围沉浸式虚拟现实相关工作提供基础.

• 球形全景核线约束的颜色不变量综合特征快速匹配方法

  刘帅, 赵伶俐, 陈军, 孙敏, 郭红伟, 韦相

  针对目前立体全景模型量测应用中特征匹配自动化程度偏低的问题,提出一种基于立体球形全景约束的颜色不变量综合特征快速匹配方法.首先,通过核线约束,使全景影像匹配的搜索范围从二维限制到一维带状缓冲区域;然后利用颜色不变量相关系数进一步确定精细搜索范围;最后,基于颜色不变量及旋转不变纹理特征构建综合匹配测度模型,以实现全景特征匹配.通过实地拍摄的全景图像,与灰度匹配法、SIFT,SURF以及CSIFT进行比较分析.实验结果表明,该方法匹配准确率提高了近10%,可消减球形全景特征的误匹配,有效地解决影像匹配时同名像点自动寻找与几何信息快速解算,为全景量测模型二次采样、量测及深度图的生成奠定基础.

• 颜色分组对图标视觉搜索效率的影响

  宫勇, 张梦哲, 侯冠华, 张三元

  为了提高人机界面的交互效率,通过一组图标搜索实验,采用被试内和被试间混合设计的方法,考察颜色、分组方式以及面板方向对视觉搜索效率的影响.实验主要包括反应时间和正确率,并对二者进行描述性统计分析和方差分析,实验结果表明,利用颜色进行分组面板的视觉搜索效率显著高于单色面板,较大分组方式之间的视觉搜索效率差异不大,但显著高于颜色交替分组方式下的视觉搜索效率;水平方向比垂直方向的视觉搜索效率更高,与水平方向相比,垂直方向下颜色交替出现分组方式的视觉搜索效率更低.

• 曲面等值分割中的界点跟踪方法

  胡靖尘, 郑国磊

  面向任意输入条件的曲面等值分割方法具有通用性,但已有方法未对其界点跟踪环节进行深入探讨.为此,提出曲面等值分割中的界点跟踪算法.首先,通过循环选择当前网格单元的出入界点,构建后继网格单元,并设为当前网格单元来跟踪界点;其次,对算法中的关键技术——网格单元动态构建方法以及基于界边生长趋势预测的网格单元出入界点选择方法进行介绍;最后,针对坐标、可加工性、法向量、高斯曲率和平均曲率等面点属性设计5个分割条件集,并进行实例测试.当网格单元均仅有2个界点时,该方法与已有方法的分割精度相同;当存在网格单元有2个以上界点时,该方法的平均界点误差比已有方法降低91.78%.实验结果表明,该方法适用于更复杂的分割问题,且具有较高的分割精度和鲁棒性.

• 面向产品设计的民族图案语义量化模型构建与应用

  丁宁, 余隋怀, 初建杰, 陈晨, 刘华静

  为了提高传统民族图案知识与现代设计的一致性,解决现有设计中传统知识关联度低、知识利用效率低的问题,提出一种面向产品设计的民族图案语义量化模型构建方法.该方法以苗族蜡染图案作为研究对象,将图案语义划分为6个维度,综合专家知识对图案语义解析并编码,构建语义量化模型并制定二阶段建模过程.第1阶段,利用解析降维后的图案语义编码数据对图案进行聚类重组,构建图案语义簇,表征各语义簇代表性语义元素;第2阶段,计算各维度语义相关性,挖掘各语义簇各维度语义元素关联度.将用户需求与量化模型进行匹配,根据匹配结果指导设计实践,形成设计方案,并对设计方案的语义相关度和视觉美观度进行评分,选取评分较高的设计方案,制作民族产品实例.实例结果表明,该方法作为析出知识指导设计实践,可以提升民族图案语义与用户需求以及现代民族产品设计的契合度.

• 面向电压降的忆阻神经网络精度优化

  王超, 查晓婧, 夏银水

  由于忆阻器交叉阵列自身的模拟特性可高效实现乘累加运算,因此,它被广泛用于构建神经形态计算系统的硬件加速器.然而,纳米线电阻的存在,会引起忆阻器与纳米线构成的电阻网络出现电压降问题,导致忆阻器阵列的输出信号损失而影响神经网络的精度.分析忆阻器电压降与忆阻器状态、位置,输出电流和输出位置的关系,通过稀疏映射优化电压降,并采用输出补偿进一步提高输出精度.仿真实验的结果表明,该方法可以有效地解决电压降引起的问题,忆阻神经网络在手写数字数据集MNIST的识别率达到95.8%,较优化前提升了33.5%.

• 敏捷设计中基于机器学习的静态时序分析方法综述

  贺旭, 王耀, 傅智勇, 李暾, 屈婉霞, 万海, 张吉良

  随着集成电路规模越来越大,设计变得越来越复杂.为了有效地提升设计生产率,芯片敏捷设计受到越来越广泛的重视.在芯片RTL-to-GDSII设计流程中,敏捷设计方法需要广泛借助机器学习技术,寻求“无人参与”的解决方案.时序性能作为芯片的重要性能指标,需要在RTL-to-GDSII设计的各个流程中进行静态时序分析.快速、准确、可靠的时序预测,可以将Sign-Off的时序性能前馈到早期设计流程中,指导早期设计的时序优化和时序收敛,减少芯片设计的迭代次数和迭代周期.文中给出敏捷设计中时序优化的流程框架,详细地梳理了RTL-to-GDSII设计流程中基于机器学习的时序分析研究现状;并从数据准备、问题建模、实用性以及通用性等多方面,探讨了敏捷设计中基于机器学习方法进行时序预测的挑战.