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8期

• 面向计算机程序的可视化综述

  张炜, 温圳, 潘嘉铖, 陈为

  计算机程序是由开发者使用编程语言编写、被计算机识别并执行的一系列指令.大型程序源代码通常逻辑复杂,句法抽象,造成较大的认知困难.计算机程序可视化以直观形象的方法呈现计算机程序的代码结构、执行过程和运行结果,增强用户理解和调试程序的能力.从程序执行流程出发,根据程序执行的前、中、后3个阶段分析其可视化目标,并介绍已有可视化方法.在程序执行前阶段,使用可视化对代码组织和潜在异常进行多层级、多维度的展示;在程序执行中阶段,利用可视化辅助算法理解、运行调试和状态监测;在程序执行后阶段,运用可视化进行性能评估优化和异常检测.介绍程序可视化在在线编程调试、算法可视化等多种应用场景下的实际应用案例.最后,总结程序可视化现阶段工作的分类以及存在的不足,并指出高泛化性的算法理解可视化和教育领域的运行调试可视化等是未来工作的研究方向.

• 神经反馈训练中的虚拟现实技术综述

  陆凯, 岳康, 胡昊辰, 沙浩, 刘越, 王涌天

  随着虚拟现实技术及脑-机接口技术的快速发展,虚拟现实在认知训练及神经康复等领域得到了广泛的应用,逐渐成为相关领域研究的热点.与传统的认知训练方法相比,应用于神经反馈训练中的虚拟现实技术通过将用户真实的训练环境替换为可定制的沉浸式虚拟环境,在显著降低系统使用成本的同时有效地提升了训练绩效.从虚拟现实技术在神经反馈训练领域的优势和应用出发,分析了神经反馈训练机制,讨论了虚拟现实技术的反馈训练方法;结合神经反馈训练中的虚拟现实技术研究现状,提出诱发更明显的脑电特征、设计个性化训练方案、提高反馈信息的传输速率、提高训练过程的舒适度以及融合多模态脑影像技术是未来的发展方向.

• 可视化中的标签放置方法综述

  范毅伦, 吕胜蓝, 郭杰, 周芳芳

  标签是可视化图表中图形对象的文本注释.标签放置方法自动地为图形对象寻找合适的文本注释放置位置,从而满足标签的可读性、标签与图形对象关系的可辨识性等要求,该方法已历经半个世纪的演进过程.近年来,数据驱动的图表生成技术的广泛应用进一步推动了标签放置方法的快速发展.文中收集和整理了近50年的相关文献,以点、线和面3种典型标签放置对象为主视角,从标签候选位置模型、标签放置算法和标签放置评价指标3个方面对标签放置方法进行梳理和讨论,并对标签放置技术的未来发展方向进行展望.

• 面向等几何分析的低扭曲B样条体参数化

  孙钊, 刘浩, 柴双明, 刘利刚

  计算域的体参数化是等几何分析的基础问题,针对现有方法的结果扭曲过高的问题,提出一种面向等几何分析的低扭曲B样条体参数化方法.该方法将参数域的几何形状引入优化来降低扭曲.对于输入的计算域,首先生成计算域到参数域的映射,构造一个边界对应关系;然后根据该初始边界对应关系生成离散体参数化映射,并更新边界对应关系;最后利用B样条基拟合离散体参数化映射得到低扭曲B样条体参数化.在一个包含215个复杂三维模型的数据集上进行实验,验证了所提方法的鲁棒性和有效性;与2种对比方法相比,该方法的对称Dirichlet扭曲能量分别平均降低30.91%和29.74%.

• 利用Capped核范数正则化的人体运动捕获数据恢复

  胡文玉, 朱雪芳, 易云

  结合人体运动数据的低秩性，将人体运动捕获数据恢复问题建模为低秩矩阵填充问题.不同于传统方法采用核范数作为矩阵秩函数的凸松弛，引入非凸的矩阵Capped核范数(CaNN).首先，建立基于CaNN正则化的人体运动捕获数据恢复模型;其次，利用交替方向乘子法，结合截断参数自适应学习与(逆)离散余弦傅里叶变换对模型进行快速求解;最后，在CMU数据集和HDM05数据集上，将CaNN模型与经典的TSMC，TrNN，IRNN-Lp和TSPN模型进行对比实验.恢复误差和视觉效果比较结果表明，CaNN能够有效地对失真数据进行恢复，且恢复后的运动序列与真实运动序列逼近度较高.

• 融合时空约束的光学动作捕捉标记点实时补全方法

  翁冬冬, 王怡晗, 郭署山, 李冬

  在基于标记点的光学动作捕捉系统中,针对粘贴在用户身上的标记点受遮挡等因素影响丢失跟踪位置后导致人体位姿计算失败的问题,提出一种基于深度学习的标记点序列预测补全方法.该方法中,深度学习网络模型以人体运动的时间反演对称性作为理论依据,使用双向长短期记忆网络作为网络主体架构;在模型训练过程中提出组合损失函数,分别对人体关键运动节点的活动范围、同一段骨骼上标记点之间的刚性结构,以及标记点运动轨迹的时间连续性进行限制,确保补全的标记点序列符合人体运动的时空约束.在HDM05数据集上的实验结果表明,与现有方法相比,在丢失不同数量、不同时间跨度的标记点序列的条件下,所提方法补全标记点位置的平均误差下降超过14%.

• 基于术中X线片的髓内钉远端孔深度学习定位方法

  王菲, 蒋俊锋, 邓子越, 陈亮, 黄瑞, 陈正鸣, 何坤金, 姚庆强, 杨光辉

  通过深度特征提取与髓内钉孔轴线深度回归,基于术中2张不同角度X线片,提出一种精准定位髓内钉远端孔的方法.首先通过目标检测算法提取X线片中的髓内钉轮廓,使用深度神经网络预测远端孔轴线在二维成像平面中的投影;然后根据双平面相交的方法,初步确定远端孔的空间位姿;最后利用髓内钉轮廓信息,使用协方差矩阵自适应进化策略算法进行位姿迭代修正.将所提方法计算得到的远端孔轴线与真实远端孔轴线进行比较的实验结果表明,在模拟环境中,两轴线平均距离误差为0.34 mm,平均角度误差为0.35°;在临床环境中,两轴线平均距离误差为0.68 mm,平均角度误差为0.72°.该方法能够满足髓内钉手术中远端孔精准定位的临床需求,可有效地提高髓内钉远端锁钉术中定位效率.

• 三维模型普适性特征提取与分类

  周燕, 柯添, 罗粤, 刘翔宇, 曾凡智, 周月霞

  为了解决单一算法特征描述子难以兼顾表达刚性和非刚性三维模型的问题,提出一种三维模型普适性特征提取方法.首先提出一种基于三维点云模型的局部面积加权密集化采样算法;然后针对非刚性铰链结构的变换影响,利用热核特征的等距等容不变性提出时间尺度序列热核编码方法;最后提出边缘投影图卷积神经网络,对编码点云的空间形状及时间尺度序列热核进行特征融合学习,并应用于三维模型分类任务.在刚性三维模型数据集ModelNet40和非刚性三维模型数据集SHREC15上的实验结果表明,与单一刚性或非刚性三维模型特征提取方法相比,所提方法能够提取具有普适性且具有显著辨别力的特征描述符,分类准确率分别达到92.63%和97.71%.

• 基于局部对比度保持的色阶重建算法

  赵蓝飞, 魏莲莲, 刘赫

  为了解决现有色阶重建算法存在的明暗对比欠佳以及细节弱化问题,提出一种基于局部对比度保持的色阶重建算法.首先利用二阶范数构建聚类准则,通过动态规划对聚类准则进行最优化,实现全局色阶重建;然后通过局部边缘保持滤波对局部对比度进行估计,根据局部对比度一致性构建线性方程组,方程组的解是保证局部细节特征的重建图像.在TMQI数据库上的实验结果表明,所提算法对应的主观打分均值达到0.898,色阶映射图像质量测度达到0.896,局部均值韦伯对比度达到1.645,均高于现有的色阶重建算法;该算法可以有效地保证重建图像整体明暗效果,重建图像的局部细节较为丰富.

• 拓扑自适应粒子群优化的黑盒对抗攻击

  于振华, 康建寅, 叶鸥

  深度学习模型在对抗攻击面前非常脆弱,即使对数据添加一个小的、感知上无法区分的扰动,也很容易降低其分类性能.针对现有黑盒对抗攻击方法存在效率低和成功率不高的问题,提出基于拓扑自适应粒子群优化的黑盒对抗攻击方法.首先根据原始图像随机生成初始对抗样本种群;然后根据邻域信息计算各样本的扰动并在搜索空间内迭代,计算动态惩罚项系数以控制样本的适应度值,当迭代多次种群适应度值未提高时,各样本进行邻域重分布,根据进化轨迹调整状态;最后修剪多余扰动获得最终的对抗样本.以InceptionV3等分类模型为攻击对象,使用MNIST,CIFAR-10和ImageNet数据集,在相同的样本数量和模型访问限制条件下,进行无目标对抗攻击和目标对抗攻击实验.结果表明,与现有方法相比,所提攻击方法具有较少的模型访问次数和较高的攻击成功率,对InceptionV3模型的平均访问次数为2 502,攻击成功率为94.30%.

• 稀疏标记下双结构约束脑血管分割网络

  李孟歆, 李松昂, 李易营, 韩煜, 贾欣润

  针对基于深度学习的脑血管分割方法难以在稀疏标记下分割出具有良好连通性的脑血管的问题,提出一种包括编解码和结构注意力模块的双结构约束脑血管分割网络.首先利用提取出的矢状特征与冠状特征构建剖面注意力;然后通过与通道注意力组合建立结构注意力机制,从网络层面建立脑血管结构约束;最后引入均衡系数改进中心线Dice损失函数并与Dice损失函数叠加,保留血管结构的连通性,从拓扑结构层面建立脑血管结构约束.在TubeTK数据集上的实验结果表明,与4种注意力网络相比,所提方法的Dice相似系数提升4.58%~6.86%,交并比提升5.07%~7.47%,中心线Dice提升3.26%~5.40%.

• 自注意力多尺度特征融合的遥感图像语义分割算法

  郭丹青, 符颖, 朱烨, 文武

  针对遥感图像内容复杂、物体尺度差异较大和分布不均匀等因素导致遥感图像语义分割不完整、准确率低的问题,提出一种利用自注意力进行多尺度特征融合的遥感图像语义分割算法.该算法的主体基于编码-解码器结构,编码器使用Swin-Transformer模型来提取复杂的多尺度特征,解码器由自注意力多尺度特征融合模块和特征金字塔网络构成.首先,将提取的多个尺度的特征分别进行相应的调整,转换成相同尺度;并将其输入到自注意力多尺度特征融合模块,对图像的多尺度特征进行融合,以确保不同尺度的特征信息在语义分割中被充分利用;然后,使用特征金字塔从上往下对自注意力多尺度特征融合的结果进一步叠加融合;最后,预测特征图得到分割结果.在公开遥感图像语义分割数据集LoveDA上与主流算法进行比较,实验结果表明,该算法在单尺度策略下平均交并比达到52.77%,比次优结果提升了1.42个百分点;在多尺度策略下平均交并比为54.19%,比次优结果提升了1.47个百分点.该算法能够有效地融合多尺度特征提高分割精度.

• 面向虹膜识别的多方向中心对称局部二值模式

  叶学义, 廖奕艺, 王鹤澎, 陈华华, 王浩

  为了提升虹膜纹理的表征效果,获得稳定的局部纹理信息表达,提出基于多方向中心对称局部二值模式的虹膜识别算法.首先通过眼睑边缘快速定位生成掩膜,抑制眼睑区域噪声;然后在多方向的基础上,提出多方向中心对称的局部二值模式完成虹膜纹理特征的表征;最后利用汉明距离判定虹膜是否匹配.针对由于类内与类间匹配次数失衡导致评价指标正确识别率存在的不足,提出修正的正确识别率.在CASIA.V1,CASIA.V3-Interval,JUL6.0和CASIA.V4-Lamp虹膜库上的实验结果表明,所提算法的修正的正确识别率分别为99.857%,99.940%,99.640%和97.973%,等错误率下降0.03%~5.96%;该算法能够有效地表征虹膜纹理信息,具有良好的识别性能和鲁棒性.

• 基于姿态特征融合的短道速滑运动员多目标追踪

  李宗民, 王一璠, 刘玉杰, 李华

  短道速滑运动员滑行过程中存在尺度变化大、频繁遮挡、运动模糊以及外观相似等复杂情况,使得多目标追踪过程面临更为严峻的挑战.为此,构建一个短道速滑场景下由37段短道速滑运动员比赛视频片段组成多目标追踪数据集SSSMOT,并基于姿态信息提出一种多目标追踪方法.首先从锚框、损失函数和非极大值抑制3个方面优化YOLOv5检测模型,提高检测准确度;然后设计特征提取网络P-RNet,依据姿态信息的指引针对性地提取特征,提高特征鲁棒性;最后使用姿态关键点改进数据关联匹配方法,在一定程度上缓解因运动员外观相似导致匹配错误的问题.在SSSMOT和SKMOT数据集上与其他方法的实验结果表明,所提方法针对多目标追踪的准确度达到96.43%;并通过其他评价指标和消融性实验,证明了该方法的有效性和优越性.

• 用于车辆重识别的部件耦合Transformer网络

  孙伟, 胡亚华, 代广昭, 张小瑞, 徐凡, 赵宇煌

  基于卷积神经网络的车辆重识别模型在执行卷积和池化操作时,不可避免地会出现全局感受野狭小和局部信息丢失的情况,当光照、视角和分辨率等发生剧烈变化时,导致车辆重识别的鲁棒性和精确性急剧下降.为此,提出了部件耦合Transformer的车辆重识别网络,通过堆叠部件耦合Transformer块来搭建重识别模型,每一个部件耦合Transformer块利用部件自适应嵌入模块提取区分性的局部特征和Transformer层提取鲁棒性的全局特征.首先,部件自适应嵌入模块按照位置和伸缩量动态划分和调整特征图,增强模型对局部部件信息的感知能力;其次,Transformer层中利用自注意力机制增强网络模型对全局特征的表示能力;最后,部件自适应嵌入模块和Transformer层之间的耦合关系促进全局和局部特征协同合作.在VeRi-776和VehicleID数据集上的实验结果表明,CMC@1/CMC@5分别达到0.970/0.988和0.865/0.985,优于对比模型.