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2024年第2期

• 基于RGB图像的三维人手姿态估计技术综述

  肖一, 刘越

  鉴于RGB相机在虚拟现实头盔等移动计算设备中的普遍性, 基于RGB图像的三维人手姿态估计技术具有广阔的应用前景和研究价值, 近年来已成为计算机视觉领域的一个研究热点.得益于深度学习技术的快速发展, 与之相关的三维人手姿态估计算法层出不穷.文中回顾和总结了三维人手姿态估计技术.首先简述了三维人手姿态估计的相关工作, 指出了其当前面临的挑战；然后梳理了基于RGB图像的三维人手姿态估计算法, 对现有的基于参数模型方法和非参数模型方法进行了讨论, 分析了每类算法包含的技术方法以及优缺点；之后总结了相关的三维手数据集与评价标准, 并比较了每类算法在常用数据集上的表现；最后探讨了该技术的发展前景.

• 基于骨骼的人体行为识别方法研究综述

  黄倩, 崔静雯, 李畅

  人体行为识别在视频理解中发挥了重要作用.近年来, 基于骨骼的行为识别方法因其对复杂环境的干扰更具鲁棒性而受到广泛关注.文中共整理了102种基于骨骼的人体行为识别方法, 并在9个公开数据集上对其进行了对比分析.按照特征学习方式的不同, 分别介绍了基于手工特征的方法和基于深度学习的方法.其中, 基于手工特征的方法按特征描述符的不同分为几何描述符、动力学描述符、统计描述符3个子类；基于深度学习的方法按网络主体的不同分为循环神经网络、卷积神经网络、图卷积网络、Transformer和混合网络5个子类.通过以上分析, 不仅阐述了基于骨骼的行为识别方法的发展历程, 还剖析了现有方法存在的泛化能力不强、计算成本高等局限.最后, 从网络结构设计、相似动作区分、领域数据集拓展、多人交互等方面对未来研究方向进行了展望.

• 数字图像多功能水印综述

  赵蕾, 桂小林, 邵屹杨, 戴慧珺

  数字图像多功能水印技术通过将多种类型的水印嵌入到同一图像, 以实现2种及以上的图像保护功能(版权保护、内容认证、篡改恢复等).当前, 数字图像多功能水印算法仍面临着性能和应用场景等方面的挑战.为促进图像多功能水印的进一步发展, 首先系统地梳理了数字图像水印技术, 包括其系统特性、常见分类、关键技术与成果, 以及其可实现的功能与应用场景；在此基础上, 对近10年来不同类别的多功能水印嵌入模型(融合水印嵌入、零水印嵌入、水印串行嵌入、水印并行嵌入)的相关工作进行归纳与分析；最后, 总结了当前数字图像多功能水印技术的不足, 展望了后续研究与发展趋势.综合分析发现, 多水印的嵌入难免对水印综合性能造成损失, 且多功能水印在真实应用场景中的效果仍待改善.人工智能等新技术在数字图像多功能水印中的应用有望提升算法性能.

• 判别性特征引导的零样本三维模型分类算法

  范有福, 白静, 邵会会, 彭斌

  基于零样本学习的三维模型分类是三维视觉领域的一个新兴话题, 旨在对未经训练的三维模型进行正确分类.针对零样本三维模型分类中存在重视全局而忽视局部, 强制约束而无视语义-视觉跨域差异性, 导致整体性能低下的问题, 提出一种判别性特征引导的零样本三维模型分类算法.首先, 以三维模型的多视图表征为输入, 自适应地捕获三维模型的局部判别性特征, 获得具有良好语义对应性的视觉特征表示；其次, 以词向量的形式引入类的语义表示, 结合条件生成对抗网络生成类的伪视觉特征；最后, 提出语义判别损失和内容感知损失联合监督, 从语义到内容共同约束真实视觉特征和伪视觉特征的对齐, 鼓励模型学习具有高局部判别性的特征, 实现语义-视觉的跨域细粒度对齐.在ZS3D数据集上达到了60.9%的Top-1准确率, 超越当前最好方法2.3个百分点, 同时在Ali数据集的3个子数据集上也分别取得31.9%, 9.9%和16.6%的准确率, 均达到了较好的实验效果, 验证了该算法的有效性和普适性.

• 基于特征解耦表征学习的无监督混合失真图像复原方法

  符颖, 李卓遥, 朱欣宇, 龚敏学, 周激流

  针对真实场景下多种混合失真组合的多任务图像复原, 结合生成对抗网络与编码器提出了一种基于无监督对偶学习的图像复原方法.该方法引入特征解耦模块, 通过修正基于增益控制的归一化, 将不同退化机制的特征表示分配到不同的特征通道中, 使得不同退化特征表达相互独立, 实现了通道上的特征解耦.同时, 为了进一步过滤掉退化机制的特征表示并保持原图像内容信息的细节, 利用通道注意力机制实现特征解耦后自适应地选择有用的特征表示, 使其适用于真实场景下混合失真组合的图像复原任务.实验结果表明, 所提算法在单一退化类型GoPro数据集上对比基于尺度循环网络的算法(scale-recurrent network, SRN), 峰值信噪比和结构相似性2项指标值分别提高了0.499dB和0.044；在混合退化类型DIV2K数据集上对比基于操作选择注意力网络的算法(operation-wise attentionnetwork, OWAN), 峰值信噪比和结构相似性2项指标值分别提高了0.163dB和0.015, 在实现复原图像的同时, 保留了图像的纹理和细节信息.

• LSVSH描述符:高鉴别强鲁棒的点云局部特征统计直方图

  吴鹏鹏, 梁栋, 赵宝, 周磊

  三维局部特征描述是三维计算机视觉中的重要任务.现实场景中包含噪声、遮挡和杂波等干扰, 使得准确和鲁棒的三维局部特征描述具有很大的挑战性.为提高特征描述的性能, 提出一种局部曲面变化统计直方图(local surface variation based statistics histogram, LSVSH)描述符.首先设计一种不依赖于局部参考轴(local reference axis, LRA)的新属性(称为曲率属性), 增强描述符对LRA误差的稳健性；然后沿径向剖分局部空间, 在每个子空间中统计3个角度属性和1个曲率属性生成LSVSH描述符, 实现对局部曲面信息的全面稳健描述.在B3R, U3M, U3OR和QuLD这4个数据集上进行大量的实验, 结果表明, LSVSH在4个数据集上的RPC下面积(the area under the recall-precisioncurve, AUCpr)值分别为0.95, 0.70, 0.54和0.10, 优于现有的局部特征描述符的性能；在U3M数据集上的正确配准率和在U3OR数据集上的正确识别率分别达到70%和100%, 验证了LSVSH应用于物体配准和识别任务上的有效性.

• 单视角三维服装重建的民族风格表征学习

  张瑀卿, 刘骊, 付晓东, 刘利军, 彭玮

  针对民族服装风格多样、款式和配饰复杂, 导致单视角三维服装重建结构不完整、风格不准确和局部特征模糊等问题, 为了学习和映射民族服装的潜在风格特征, 提出一种单视角三维服装重建的民族风格表征学习方法.首先结合定义的民族服装形状风格和几何拓扑构建形状表征, 学习形状潜在特征；然后基于区域定位和关键点, 并融合定义的款式风格、着装部位进行款式表征, 得到局部感知区域图, 以学习款式潜在特征；再联合形状、款式特征以及定义的对称损失函数, 隐式重建出民族服装的初步模型；最后在卷积网络中引入图像的超像素特征、Branch分支和配饰的语义解析建立配饰表征, 并编码UV位置图到特征空间, 生成民族服装的最终模型.在自定义的少数民族服装数据集上的实验结果表明, 所提方法的倒角距离和法线余弦距离分别为1.732和0.13, 较已有方法降低11%和18%, 能够提高单视角三维民族服装重建的精度, 生成具有民族风格的三维服装模型.

• 基于双阶段特征解耦网络的单幅图像去雨方法

  汤红忠, 熊珮全, 王蔚, 王晒雅, 陈磊

  针对现有的单幅图像去雨方法无法有效地平衡背景图像细节恢复与有雨分量去除问题, 提出一种基于双阶段特征解耦网络的单幅图像去雨方法, 采用渐进式的学习方式从粗到细分阶段进行单幅图像去雨.首先构建压缩激励残差模块, 实现背景图像与有雨分量的初步分离；然后设计全局特征融合模块, 其中特别引入特征解耦模块分离有雨分量和背景图像的特征, 实现细粒度的图像去雨；最后利用重构损失、结构相似损失、边缘感知损失和纹理一致性损失构成的复合损失函数训练网络, 实现高质量的无雨图像重构.实验结果表明, 在Test100合成雨图数据集上, 所提方法峰值信噪比为25.57 dB, 结构相似性为0.89；在100幅真实雨图上, 所提方法的自然图像质量评估器为3.53, 无参考图像空间质量评估器为20.16；在去雨后的RefineNet目标分割任务中, 平均交并比为29.41%, 平均像素精度为70.06%；视觉效果上, 该方法能保留更多的背景图像特征, 有效地辅助下游的目标分割任务的开展.

• 密度先验引导的无监督深度点云降噪算法

  张杰, 聂明辉, 王佳旭, 刘秀平

  为了提高无监督深度点云降噪算法的性能, 提出密度先验引导的无监督深度点云降噪算法.基于现有的网络框架, 首先设计了密度先验, 通过噪声点云的整体分布计算每点位于真实底层曲面的概率；然后利用深度网络, 通过上采、下采等策略克服大噪声点的影响, 得到降噪点云；最后利用密度先验优化干净点的条件概率分布, 设计无监督损失函数对网络进行优化, 得到最终算法.此外, 基于密度先验还提出低噪声点筛选方法和滤波算法.所提算法在PyTorch上实现, 以基于ModelNet-40构造的仿真数据库及真实扫描数据PERL为例, 以倒角距离及点到曲面的距离为评价指标.与DMR等算法相比, 倒角距离平均降低0.35~1.34, 点到曲面的距离平均降低0.68~1.94.实验结果表明, 所提算法降噪结果优于现有算法, 且具有较强的鲁棒性、普适性和泛化能力.

• 移位方式对用户在虚拟环境中空间感知的影响

  潘志庚, 孟乾宇, 袁庆曙, 柳嘉鑫, 王紫晗, 寿恺梁

  虚拟环境中用户的空间感知会受诸多因素的影响.针对真实行走、传送和万向跑步机行走等典型的移位方式对空间感知的影响, 让用户执行3种实验任务, 即在无参照物场景中根据系统语音提示完成指定距离或角度的移动或旋转(无参照物定量移动)、在有圆柱参照物的场景中根据系统语音提示完成指定距离或角度的移动或旋转(有参照物定量移动)、在无参照物场景中添加小球作为目标导航物完成移动或旋转(参照物导航移动), 系统记录主客观数据, 并进行对比分析.实验结果表明, 3种移位方式对角度感知的影响没有显著差异, 但对距离感知的影响有显著差异.在真实行走时用户能保持最好的距离感知, 万向跑步机行走能较好地保留用户的距离感知, 传送会明显降低用户的距离感知.参照物导航移动比无参照物定量移动和有参照物定量移动更好地保留了用户的空间感知.

• 物质点法流固交互表面细节优化算法

  许立群, 王佳炎, 袁海鹏, 陶建新, 唐勇, 赵静

  为了增强现有物质点法流固交互中表面细节, 同时改进大量固体粒子对其表面重建没有贡献的问题, 提出一种高效的流固交互自适应物质点法.首先使用一种接触面离散积分点方法解决物质点法中出现的数值黏性伪影问题, 实现流固移动接触面上粒子的自由滑动；然后引入自适应广义插值方法, 在流体和固体的不同区域自适应地调整网格分辨率, 增强表面细节；最后采用窄带仿射粒子网格方法, 通过粒子重采样减少固体内部粒子数量, 从而在节省内存空间的同时减少计算量.利用斯坦福开源模型进行多组消融实验, 结果表明, 与均匀背景网格物质点法相比, 所提方法流固交互表面细节更丰富, 消融实验场景下整体粒子数减少80%, 平均模拟效率提高50%.

• 面向机加工艺规程文本的实体识别模型

  董含笑, 李豫虎, 乔立红, 黄志成

  为实现非结构化工艺规程文本中关键信息的高效识别, 建立一种基于机加工领域词典和神经网络的命名实体识别模型.首先, 结合机加工领域词典与jieba分词技术进行数据集的自动标注, 并在对工艺参数信息进行标注的过程中将数字和标志字母划分为一个分词单位以增强后续特征提取效果；其次, 在word2vec词嵌入的基础上, 采用双向长短时记忆网络对文本进行特征提取；最后, 采用条件随机场综合上下文逻辑以提高关键工艺信息的识别准确率.在包含431条工步内容的数据集上, 对所提模型的识别效果进行实验, 结果表明, 所提模型的准确率、召回率和F1值分别为90.20%, 93.88%和92.00%, 在与领域内传统模型的对比上具有一定优势, 并使用3个不同工艺规程数据集验证了该模型的鲁棒性.