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6期

• 场景目标的稀疏序列融合三维扫描重建

  王超, 杨龙, 吴雪峰, 刘通, 耿楠, 张志毅

  针对场景扫描深度图数据量大、匹配误差累积导致重建结果漂移以及耗时高的问题, 提出一种场景级目标的稀疏序列融合三维扫描重建方法. 首先, 对深度图序列采样以筛选支撑深度图; 其次, 在支撑深度图子集上划分扫描片段, 各扫描片段内执行深度图匹配融合生成表面片段; 再次, 利用表面片段几何特征执行局部多片段间的连续迭代配准, 优化各扫描片段的相机位姿; 最后, 融合支撑深度图序列生成场景目标三维表面. 在消费级深度相机采集的深度图序列和 SceneNN 与 Stanford 3D Scene 这 2 个公开数据集上进行测试, 将稀疏序列融合与稠密序列融合方法进行比较. 实验结果表明, 该方法可将配准过程的均方根误差降低 16%~28%, 使用 8%~54%的数据量即可完成稀疏序列融合, 运行时间平均缩短 56%; 同时, 增强了扫描过程的有效性和鲁棒性, 显著地提高了扫描场景的重建质量.

• 特殊服装面料渲染算法

  朱浩栋, 刘郴, 金小刚

  服装数字化是近年来服装行业发展的方向之一. 服装面料的材质极其多样, 然而常用的基于物理的渲染存在较大的局限性. 基于此, 提出对于多种不同特殊光学特性的面料渲染算法. 其中, 特殊面料是内嵌金属丝面料、侧光织物面料、镭射面料和闪粉面料 4 种面料. 针对内嵌金属丝面料, 使用额外的纹理数据来记录并模拟金属丝的形状;针对侧光织物面料, 根据视线方向以及入射方向与法线的夹角修正散射光的强度, 使得面料拥有更加真实的侧面光感; 针对镭射面料, 将观察角与一种额外的镭射颜色相关联, 并将其与原有的纹理颜色融合; 针对闪粉面料, 提出一种计算模型用于随机生成闪粉的位置, 通过网格划分的方式达到实时的计算效率. 将所提算法渲染结果与实际拍摄结果进行对比的结果表明, 该算法的结果接近于真实; 侧光织物面料和镭射面料已经被商业应用于国产三维服装设计软件 Style3D 中.

• 物质点法的物体断裂细节绘制算法优化

  赵静, 安泳钢, 许立群, 袁海鹏, 唐川宁, 唐勇, 冯莉

  针对物体断裂仿真中因采样不均匀导致的断裂细节不真实问题, 提出一种优化基于物质点法的断裂表面细节的方法. 首先采用物质点法处理断裂过程中出现的大的拓扑变化, 增强碰撞和断裂处理的效率, 减少计算量; 然后引入弹性与塑性之间的流动规则, 解决物体断裂时屈服条件不稳定的问题, 增强真实性; 最后采用重采样方法处理产生的空洞区域, 改进网格的划分方式, 从而增加断裂面的细节, 有效地体现断裂效果. 实验结果表明, 与现有的物质点法的物体断裂相比, 所提方法在保证帧率、时间步长等相关参数稳定的前提下, 填补了断裂空洞, 能够在视觉上表现更加丰富的断裂面细节.

• SPH 体积映射流固交互的稳定性及细节提升方法

  赵静, 袁海鹏, 许立群, 安泳钢, 唐川宁, 吕梦雅

  针对现有的光滑粒子流体动力学(SPH)流固交互方法中存在的稳定性以及流体细节表现不佳的问题, 提出一种改进的体积映射流固交互方法. 首先采用无散度 SPH 方法对流体进行建模, 保证流体的不可压缩性; 然后引入体积映射方法处理固体边界, 以隐式函数的形式表示边界而无需使用粒子, 解决粒子采样的固体表面不平滑的问题; 再引入移动最小二乘法对固体边界上的压强进行插值, 避免压强镜像带来的误差, 提升体积映射方法中压强和压强梯度计算的精确性, 提高系统的稳定性; 最后引入粒子重采样方法进行流体表面细化, 充分表现流体表面区域的不同粒子特征,增强流固交互后的流体细节, 提高真实感. 在斯坦福大学公开的基本三维模型上的实验结果表明, 所提方法能够真实、稳定地表现不可压缩流体与固体的交互现象, 处理多个静态或动态固体的复杂场景, 并且能够有效地刻画流体细节.

• 面向建筑作业3D打印的双机协作任务分配算法

  王小龙, 曹建福, 曹晔

  建筑 3D 打印通常将对象模型做人工划分后交由多机并行工作, 模型划分优劣直接影响打印效率和外观效果. 为了提高分块质量, 提出一种双机协作任务分配算法. 首先依据待打印体支撑关系粗略分块, 并由分块特征识别模型中支撑柱、短墙、装饰等不宜分割部位; 然后以提高并行效率为目的建立分块几何聚集指标和任务均衡指标, 并由此构建任务分配多目标优化模型; 最后由求解所得的任务子集将原模型切割输出. 所提算法针对双机协作模式,但可通过参数调整推广至多机协作. 与常见几何均分、按墙体连接划分的分割实验结果对比表明, 该算法可避免切割对特征的破坏, 且分配任务不均衡度低, 能够有效地提高建筑 3D 打印效率.

• 基于物理过程的山地原油泄漏模拟方法

  连远锋, 许振林, 李光洋, 纪连恩, 董绍华

  山地输油管道泄漏事故发生后, 模拟计算污染扩散范围对应急抢险方案的制定具有重要意义. 针对现有的山区原油泄漏模拟方法无法呈现符合物理过程的泄漏油品扩散效果以及模拟速度过慢的问题, 提出基于物理过程的山地原油泄漏模拟方法. 首先基于空间语义约束构建一种融合 Fay 流体扩散算法和光滑粒子流体动力学(SPH)的计算模型 Fay-SPH; 然后设计一个基于 Fay 约束的连续卷积网络 FayNet 来加速模拟, 通过轻量级注意力模块和三重注意力模块增强网络提取粒子特征信息能力; 最后融合位置损失和速度损失来保证模拟结果细节的一致性. 在自行采集的油气管线所处山区数据上, 基于不同地貌和不同地形进行实验的结果表明, 所提方法实现了原油泄漏的高效模拟.

• 群组仿真驱动的疫情传播风险推演方法——以新冠疫情防控为例

  王华, 何艺帆, 徐明亮, 李超超, 薛均晓, 李亚飞, 张宏坡

  突发公共卫生事件下, 疫情传播风险可以理解为人群流动过程中人员与人员之间直接/间接接触引起的关联人员之间的疫情传播风险. 针对现有基于人群流动的疫情传播风险推演方法简化了人员内部流动对疫情扩散的影响,难以直接用于城市精细化管控方案制定的问题, 提出一种群组仿真驱动的疫情传播风险推演方法. 首先将人群流动造成的疫情传播风险抽象为人群流动和飞沫扩散运动综合作用造成的疫情传播风险; 然后采用融合人群运动建模、车流运动建模的群组仿真方法以及飞沫扩散行为建模方法, 实现疫情传播风险的仿真推演; 最后采用分层级可视化方法对地理环境、飞沫传播、个体人群流动以及疫情传播风险态势等进行三维可视呈现及交互式管控推演. 园区级单位版和城市级政府版的新冠疫情防控平台应用实例结果表明, 所提方法可以为决策者制定精细化管控方案提供科学指导.

• 基于注意机制和多尺度跨模态融合的RGB-D显著性检测

  崔志强, 冯正勇, 王峰, 刘强

  针对基于深度卷积神经网络的 RGB-D 显著性检测性能差等问题, 提出利用注意机制和多尺度跨模态融合进行 RGB-D 显著性检测的方法. 首先采用多尺度残差注意模块对骨干网络提取的特征进行预处理; 然后提出多尺度跨模态融合策略, 对高层 RGB 特征和深度特征进行融合, 获得初始显著图; 最后采用边界细化模块细化初始显著图中目标的边界, 使最终显著图包含敏锐的边界和完整的突出目标. 在 5 个基准数据集上与 10 种先进方法进行实验的结果表明, 所提方法在 4 个评价指标上均处于前 3 名; 尤其是在 NJUD 和 SIP 数据集上, 该方法在 4 个指标上提升了0.5%~1.5%.

• 基于特征交互和聚类的行为识别方法

  李凯歌, 蔡鹏飞, 周忠

  针对现有行为识别方法缺乏对时空特征关系建模的问题, 提出一种基于特征交互和聚类的行为识别方法.首先设计一种混合多尺度特征提取网络提取连续帧的时间和空间特征; 然后基于 Non-local 操作设计一种特征交互模块实现时空特征的交互; 最后基于三元组损失函数设计一种难样本选择策略来训练识别网络, 实现时空特征的聚类,提高特征的鲁棒性和判别性. 实验结果表明, 与基线方法 TSN 相比, 所提方法的准确度在 UCF101 数据集上提高了23.25 个百分点, 达到 94.82%; 在 HMDB51 数据集上提高了 20.27 个百分点, 达到 44.03%.

• 稠密自适应生成对抗网络的爨体字风格迁移模型

  姚伟健, 赵征鹏, 普园媛, 徐丹, 钱文华, 吴昊

  爨体字作为典型的衬线字体, 不同于黑体、微软雅黑、等线这些非衬线字体, 其字形结构十分多样. 为了防止爨体字在生成过程中笔画弯折处出现伪影和模糊的现象, 提出一种基于稠密自适应生成对抗网络的爨体字风格迁移模型. 首先, 生成器通过稠密自适应卷积块更加充分地提取风格特征和内容特征; 然后, 像素判别器对真实图片和生成图片进行分辨; 再采用对抗损失、迁移损失、梯度损失和边缘损失对生成网络进行参数调节; 最后, 将自行采集的爨体字数据集作为训练集送入模型进行训练. 实验结果证明, 所提模型能够有效地学习到风格特征, 达到更好的生成效果; 其生成结果在字形大小保持上优于 Zi-to-zi 模型, 在笔画细节特征的保留上优于 StarGANv2 以及CycleGAN 模型, 并在 SSIM 和 L1 loss 指标上得到了验证.

• 基于差分曲率分组混合模型的脑部MRI图像超分辨重建

  王文倩, 李敏, 黄宇, 邓小于

  核磁共振成像(magnetic resonance imaging, MRI)能够提供丰富的病理信息, 在脑损伤的诊断和治疗中具有重要意义, 受采样时间和现有医疗设备的限制, 临床上很难获得高分辨率的 MRI 图像. 为此, 提出一种基于差分曲率分组混合模型的超分辨重建方法. 首先在梯度特征提取的基础上引入差分曲率算法, 进一步检测图像的边缘、斜坡等特征结构, 并将特征块分为平滑区域、纹理区域和边缘区域 3 组; 然后基于学生 t 分布混合模型分别学习 3 组特征区域的模型参数; 最后选取多个似然概率较大的子分布共同重建高分辨率图像块. 在癌症成像档案库数据集上的实验结果表明, 在×2,×3 和×4 超分辨任务下, 所提方法的平均峰值信噪比分别为 41.36 dB, 35.01 dB 和 31.32 dB, 平均结构相似度分别为 0.984 8, 0.941 5 和 0.879 5; 与现有的超分辨重建方法相比, 该方法重建的 MRI 图像纹理细节更丰富、边缘更清晰, 并且重建时间更短.

• 轻量化卷积注意力特征融合网络的实时语义分割

  董荣胜, 刘意, 马雨琪, 李凤英

  轻量化卷积神经网络的出现促进了基于深度学习的语义分割技术在低功耗移动设备上的应用. 然而, 轻量化卷积神经网络一般不考虑融合特征之间的关系, 常使用线性方式进行特征融合, 网络分割精度有限. 针对该问题,提出一种基于编码器-解码器架构的轻量化卷积注意力特征融合网络. 在编码器中, 基于 MobileNetv2 给出空洞MobileNet 模块, 以获得足够大的感受野, 提升轻量化主干网络的表征能力; 在解码器中, 给出卷积注意力特征融合模块, 通过学习特征平面通道、高度和宽度 3 个维度间的关系, 获取不同特征平面之间的相对权重, 并以此对特征平面进行加权融合, 提升特征融合的效果. 所提网络仅有 0.68×106 参数量, 在未使用预训练模型、后处理和额外数据的情况下, 使用 NVIDIA 2080Ti 显卡在城市道路场景数据集 Cityscapes 和 CamVid 上进行实验的结果表明, 该网络的平均交并比分别达到了 72.7%和 67.9%, 运行速度分别为 86 帧/s 和 105 帧/s, 在分割精度、网络规模与运行速度之间达到了较好的平衡.

• 片段-自适应的监控视频浓缩

  张云佐, 朱鹏飞, 郑婷婷, 李文博, 张天

  为解决现有视频浓缩在复杂场景下存在的轨迹不完整、交互行为难以保留等问题, 提出一种片段-自适应的监控视频浓缩方法. 首先, 提出一种视频划分模块, 对输入视频逐帧进行拥挤度检测, 采用自适应阈值将视频划分为稀疏和拥挤片段, 并将被中断的轨迹进行链接形成延展拥挤片段; 其次, 设计交互行为判别模块, 结合空间距离和视频自适应阈值判别并保留目标之间的交互行为; 最后, 提出片段-自适应重排模块, 综合碰撞约束、空间占比约束、交互约束和时序约束生成最优时间标签, 进而融合背景生成浓缩视频. 在数据集 VISOR, BEHAVE和 CAVIAR上的实验结果表明, 该方法比当前主流方法在帧压缩率和碰撞率上分别降低了 0.136 和 0.011, 计算时间减少了 120.03 s.

• 面向3D生成对抗网络的频域加速器设计

  江卓燊, 刘博生, 唐忆滨, 武继刚

  三维生成对抗网络(3D generative adversarial networks, 3D GANs)广泛应用于模型预测、对象生成等领域. 针对当前 3D GANs 加速器存在计算开销高、访存能耗高等问题, 提出一种基于快速傅里叶变换(FFTs)的 3D GANs 频域加速器设计(FAG). 首先针对 3D GANs 加速器计算开销高的问题, 提出支持频域 3D GANs 计算的硬件架构, 利用频域低计算复杂度特性和频域反卷积中的零值模式以减少计算开销; 其次针对 3D GANs 加速器访存能耗高的问题, 提出支持 3D 卷积和反卷积计算的频域映射调度流, 利用频域共轭对称特性和反卷积中的零值模式减少访存开销. 基于ModelNet 数据集和 3 个 3D GANs 模型(3DGAN, 3D-IWGAN 和 3D-PhysNet)的评估结果表明, 与具有代表性的频域加速器相比, FAG 可使性能提高 76%, 能效提高 141%; 与具有代表性的空间域加速器相比, FAG 的性能提高 6 倍, 能效提高 46 倍.

• 面向高能效加速器的二值化神经网络设计和训练方法

  李佳骏, 许浩博, 王郁杰, 肖航, 王颖, 韩银和, 李晓维

  针对二值化神经网络加速器计算溢出和乘法器依赖的问题, 提出一套二值化神经网络设计及其训练方法.首先设计能够模拟溢出的矩阵乘法, 保证模型部署后不丢失准确率; 然后优化卷积层和激活函数, 缓解溢出总量;再设计移位批标准化层, 使二值化神经网络摆脱对乘法运算的依赖, 并有效地降低访存; 最后针对改进的模型提出基于溢出启发的协同训练框架, 确保模型训练能够收敛. 实验结果表明, 与 10 个主流的关键词激活方法相比, 在准确率无明显损失的情况下, 所提方法使片上计算规模减少超过 49.1%, 并为加速器带来至少 21.0%的速度提升.

• 约束重编程单元数量的忆阻器阵列闭环重映射算法

  刘军, 缪伟伟, 吴玺, 任福继

  忆阻器阵列能够有效地加速神经网络中的矩阵运算, 但会受到老化的影响, 导致忆阻器阵列计算精度不满足要求. 为了继续使用忆阻器阵列, 提出一种基于重编程忆阻单元数量约束的闭环重映射算法. 首先根据忆阻器阵列的老化分布得出行偏差矩阵; 然后以行偏差矩阵中的最小值为起始点开始映射, 直至重映射关系形成闭环; 通过在映射过程中设置行偏差约束, 使得重映射后的行偏差总和尽可能小, 达到提高计算精度的目的; 通过对重编程单元数量进行约束, 尽可能减少需要重新编程的忆阻单元数量, 减轻重编程造成的忆阻器阵列老化. 在 Pytorch 上采用 MINST 数据集进行仿真测试的实验结果表明, 所提算法不仅能够有效地提高忆阻器阵列的计算精度, 而且与国际上同类方法相比, 在达到相同计算精度的前提下, 最多可以减少 75.43%的重编程单元数.