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2025年第10期

• 典型三维模型表示方法转换技术综述

  尹晓龙, 沈恩亚, 王建民

  文中系统地梳理了常见的三维模型表示方法, 包括点云、体素、网格、边界表示(boundary representation,B-Rep), 以及以符号距离场(SDF)和神经辐射场(NeRF)为代表的隐式表示, 介绍了它们在几何精度、计算效率和适用场景等方面的差异; 进一步, 探讨点云到网格、点云到B-Rep、体素与网格、网格与B-Rep, 以及网格与隐式表示之间的转换技术, 涵盖从传统几何算法到基于深度学习的智能方法; 分析了现有方法在计算精度、拓扑一致性、计算效率等方面的优劣, 指出当前转换技术面临高分辨率模型处理效率低下、复杂拓扑结构保持困难等关键挑战. 分析表明, 未来研究应着重发展多模态融合表示方法, 优化高精度转换算法, 开发面向特定行业的专用转换技术, 并积极探索AI驱动的智能转换范式, 为智能制造、数字孪生等领域的创新发展提供关键技术支撑.

• 有理Bézier曲线的自然延伸

  伍英杰, 陈彦如, 李效伟

  自由曲线的自然延伸具有保持控制顶点数量和参数化不变的良好性质. 为了将有理Bézier曲线延伸指定长度, 提出一种基于重新参数化技术的有理Bézier曲线自然延伸算法. 首先根据给定曲线和延伸长度, 使用迭代法计算指定延伸长度所对应的曲线参数; 然后使用重新参数化技术计算曲线延伸后的显式表达式, 保证延伸曲线的表达式与原曲线表达形式相同; 最后分别使用de Casteljau算法高效地计算延伸后的权因子和控制顶点. 经典圆弧、圆柱和有理曲线曲面延伸实例结果表明, 延伸曲线的控制顶点数量与原曲线相同, 延伸曲线在几何上仍然保持原来部分的几何形状不变, 并且原来曲线部分的参数化只是进行了线性放缩.

• 两条NURBS曲线求交的高效迭代算法

  杨子函, 高竟闻, 陈小雕

  针对NURBS曲线求交问题, 提出一种基于有理函数插值的高效迭代算法. 针对传统方法如牛顿法和割线法对初始值敏感且难以处理相切情况, 隐式化法和纯细分法存在计算复杂度高或数值不稳定问题, 提出结合细分法的新型有理函数插值迭代策略, 有效地提升求交计算效率和迭代计算稳定性. 首先构造双点导数约束的有理插值函数, 逼近曲线参数方程; 然后推导出一元二次方程获取相应的迭代公式, 实现高效的收敛. 实验包含贯穿、相切及4 000例不同次数曲线的基准测试. 结果表明, 与现有的同类迭代法相比, 在相切的情况下, 所提算法效率提高约200%; 数值实例结果表明, 该算法的整体求交效率是OCCT几何内核的5~50倍, 比ACIS几何内核高21%~180%, 证明了其有效性.

• 带引导线的扩展Coons曲面算法

  胡新宇, 陈鑫, 赵启轩, 马彦军, 李效伟, 杨义军, 曾薇

  为解决传统Coons曲面无法处理引导线, 以及Gordon曲面因需插值双向曲线而引入大量控制顶点的问题, 针对实际工程设计的需要, 提出一种带引导线的扩展Coons曲面算法. 先依据给定边界线生成基础Coons曲面, 对引导线均匀采样并将采样点投影到该曲面上, 得到偏移向量; 再以最小二乘法拟合偏移向量, 同时加入控制顶点光顺能量约束, 生成与基础曲面相容的偏移曲面; 最后将偏移曲面叠加到基础Coons曲面上, 得到带引导线的扩展Coons曲面. 在实际工程中的船舶曲面和汽车外壳曲面等案例上进行实验, 结果表明, 与传统Coons曲面相比, 所提算法生成的曲面能够在5 mm容差范围内逼近引导线, 且生成的曲面比传统Gordon曲面的控制顶点减少约40%, 验证了该算法的有效性.

• 几何引擎中基于光顺渐近迭代逼近的曲面覆盖

  行一凡, 蔺宏伟, 陈羽

  在CAD几何引擎中, 覆盖是广泛应用的关键功能, 它用一张曲面拟合给定的一条或多条边界曲线. 然而由于缺乏足够的几何信息, 很难生成满足要求的覆盖曲面, 也很少有专门解决这类问题的相关工作. 为此, 提出用光顺渐近迭代逼近(Fairing-PIA)生成单张B样条曲面覆盖给定边界曲线的方法. 与传统的光顺方法只优化单一权重不同,Fairing-PIA对每个控制点指定不同的光顺权重, 极大地提高了方法的灵活度. 首先提出一种鲁棒的方法生成拟合给定边界曲线的初始曲面, 如果边界曲线不超过4条, 使用Coons曲面作为初始曲面; 如果边界曲线超过4条, 使用点云参数化方法生成初始曲面. 然后使用Fairing-PIA提高曲面质量, 得到最终的理想曲面. 基于不同类型边界样例与传统方法对比的数值实验表明所提方法能够拟合多种类型边界, 可以通过光顺权重调节控制曲面形态, 且相较于直接求解矩阵方程的传统方法得到约2倍的性能提升, 兼具灵活性和高效性.

• 基于约束最小二乘N边洞NURBS曲面填充算法

  胡丁允, 张淦宣, 陈彦如, 马彦军, 杨义军, 曾薇

  N边洞的填充在曲面建模和角点过渡中扮演着非常重要的角色. 为了解决扭矢相容性问题, 在已有算法的基础上提出一种基于约束最小二乘能量优化的N边洞NURBS曲面填充算法. 首先通过线性插值边界导矢生成初始曲面跨界导矢; 再算出中心点, 使用中心点及边界线中点作为首尾控制点, 结合端点处切矢构造内部线; 然后引入法向约束和扭矢相容条件最小二乘逼近初始曲面跨界导矢, 生成满足边界相容性、扭矢相容性和ε-G1连续的曲面跨界导矢, 其中ε表示用户给定的角度偏差; 最后采用双三次混合Coons曲面实现N边洞各矩形区域的G1连续填充. 该算法解决了Piegl算法为满足扭矢相容性引入的细小节点向量区间带来的数值不稳定和曲面光顺问题, 相邻曲面法向的角度误差控制在用户定义的ε角度容差范围之内, 对5个在尺寸、曲率方面各有侧重的数据上进行实验验证了所提算法的有效性.

• 基于共轭梯度的约束最小二乘渐进迭代逼近算法

  杨进镖, 孙梦晨, 胡倩倩

  在复杂数据拟合研究中, 约束逼近问题的求解至关重要, 直接影响到模型对复杂数据的表征能力与逼近精度. 约束最小二乘渐进迭代逼近(constrained least-squares progressive and iterative approximation, CLSPIA)算法虽然能有效地解决部分数据点插值并逼近剩余数据点的约束逼近问题, 但收敛速度较慢. 为了克服这一缺陷, 将共轭梯度法融入CLSPIA, 提出基于共轭梯度的CLSPIA算法. 首先利用基于共轭梯度的LSPIA算法完成Uzawa算法的内层迭代, 求解对应无约束优化问题; 然后根据拉格朗日乘子的迭代格式完成Uzawa算法的外层迭代, 求解约束条件;最后从理论上证明了所提算法的收敛性. 以三次B样条曲线曲面为例进行实验的结果表明, 在相同误差精度下, 与CLSPIA算法相比, 所提算法需要的总迭代次数平均减少83.07%, CPU执行时间平均减少55.45%.

• 面向工业场景的增强/混合现实应用开发引擎设计

  时文博, 寇菲, 董一鸣, 王高源, 曹昕, 徐延宁, 钟凡, 王璐, 秦学英, 屠长河

  当前, 增强/混合现实(AR/MR)引擎在制造业应用中存在的若干技术瓶颈: 真实感渲染能力不足, 难以兼顾大规模工业场景虚实融合的逼真度与实时性; 与现有工业CAD软件及数据的兼容性不足, 数据转换与集成效率低;多端协同能力不足, 难以支持工业场景下的多人实时协作任务. 针对上述问题, 提出面向工业场景的AR/MR应用开发的设计方案, 包括应用开发引擎以及算法引擎2部分. 应用开发引擎基于统一工作流高效开发增强现实应用, 支持工业场景AR应用的低代码开发与在算法引擎上的高效部署; 算法引擎集成数据转换、跟踪定位、环境感知、端云渲染微服务组件, 通过统一工作流进行端云协同调度, 优化资源的调度与负载均衡, 支持多终端设备的自适应渲染与交互逻辑迁移. 基于国产CAD软件系统提供了自主可控的AR/MR扩展应用, 并在国产重大装备的装配、仿真等领域进行初步实验, 结果表明, 所提方案能够提升装配、检验等环节的数字化协作效率.

• 面向立体光刻的有理曲面非网格化体素生成方法

  徐敬华, 王林轩, 陈前勇, 张树有, 谭建荣

  随着激光立体光刻工艺的分辨率不断提升, 现有的基于网格化的三维流形体素化方法难以满足微纳乃至原子尺度的精度需求. 为此, 提出一种面向立体光刻的有理曲面非网格化体素生成(meshless voxel generation, MVG)方法,可将非均匀有理B样条(non-uniform rational B-splines, NURBS)边界表示的实体直接转换为任意精度的体素化模型. 首先通过提出一种面向NURBS曲面的连续无隧道自适应采样方法, 利用边界标记填充算法获取修剪后NURBS曲面内部采样点; 然后将参数域内的采样点映射至体素空间, 生成基于连续无隧道采样的表面体素模型, 并采用广度优先搜索完成内部体素填充. 通过具有微米级结构的空间曲面薄壁桨叶进行实例验证, 证明了MVG方法在提升体素化精度方面的有效性; 与传统离散剖分采样方法的对比实验结果表明, MVG方法能够有效地提升有理曲面实体的体素化精度; 在高体素化分辨率下运用MVG方法, 连续多张曲面拼接的有理实体在体素离散化过程中的平均体积误差可减少10.17%.

• 非结构构造法附面层网格生成方法

  王永杰, 刘杨, 庞宇飞, 陈浩, 陈波, 齐龙, 谢冬香

  附面层是流体运动中贴近物面的薄层, 高质量的附面层网格是飞行器进行流体动力计算获得精确结果的基础. 针对此问题, 提出一种高质量的非结构构造法附面层网格生成方法. 基于曲面网格超面分片, 首先对每一分片选取支撑点计算支撑线, 根据支撑线与分片边界线抬升得到轮廓线, 支撑线与轮廓线组成框架线; 然后依据框架线插值生成分片非结构附面层顶面网格; 再对非结构附面层顶面网格碰撞检测与处理; 最后在内部插值生成非结构附面层网格. 与主流方法前沿层进法进行实验的结果表明, 依据相关质量评价标准, 所提方法生成的非结构附面层网格无折叠单元, 且质量较差单元平均减少15%.

• 面向多标签图像识别的语义感知增强区域金字塔模型

  胡云青, 陈强龙, 张寅

  现有多标签图像识别方法主要利用深层特征, 忽略了多层次特征交互; 由于物体类别、布局、尺度等差异性较大, 现有针对单标签图像识别的区域建议方法无法充分挖掘多标签图像中语义多样性强的局部区域. 为此, 提出一种基于语义感知增强区域金字塔模型的多标签图像识别方法, 通过有效地融合不同层次的图像特征, 生成适应于多尺度目标的感兴趣区域. 该方法引入2个互补的阶段: 在全局阶段, 通过双路径特征融合金字塔对多层次特征进行编码, 有效地融合深层语义信息与浅层细节信息; 在局部阶段, 利用语义感知区域建议模块和区域调整模块获得具有高度语义多样性和判别性的感兴趣区域. 通过联合多个局部区域与全局图像的监督学习, 所提方法在MS-COCO和VOC 2007等基准数据集的评测中取得了显著的效果提升, mAP指标分别提升4.3个百分点和4.2个百分点; 在缺失标签场景下的多标签学习中, 该方法也以明显的优势超越了同类方法.

• 基于傅里叶的全局-局部联合感知时空预测模型

  段逸凡, 肖明军

  时空序列的预测学习旨在通过从历史数据背景中学习来生成未来的图像数据, 时空预测的挑战性在于需要捕捉物理世界中的复杂空间关联和时间演化. 针对现有研究多用于处理特定具体任务, 并且通常关注整体变化特征趋势而忽视的局部细节, 以及存在不可并行的递归单元模型效率较低的问题, 设计了一个通用的时空数据预测模型. 首先结合局部和全局空间特征, 利用基于傅里叶的变换捕捉全局依赖关系, 并与Swin Transformer提取的局部关系进行融合, 实现空间上全局-局部联合感知; 最后通过多尺度全卷积模块提取时间上不同尺寸的特征, 并再次通过傅里叶变换将时间域转换为频域, 全面获取连续演化的时间堆栈中特征. 在SEVIR, KTH和MovingMNIST数据集上的实验结果表明, 所提模型表现出优异的通用性、 有效性和可扩展性. 该模型不仅保留数据的长期依赖性, 还提高了模型的计算效率.

• 基于残差空间网络的建筑图像编辑

  朱成, 赵光哲, 林本旺, 王雪平

  建筑图像层次结构的复杂性给图像编辑带来了一定的挑战. 虽然部分工作结合重建和编辑的方法进行建筑图像编辑, 但由于图像编码到的空间维度较低, 容易丢失空间信息, 导致编辑后的建筑图像发生扭曲, 难以保持结构一致性. 为了解决上述问题, 提出一种基于StyleGAN的建筑图像编辑模型ABEditor. 首先提出多层次结构的残差空间网络, 用于学习多层空间特征和风格特征, 并连接到StyleGAN对应维度的高维特征空间; 通过逐层校正精确地重建输入图像, 以表达丰富的空间信息; 在合成网络更接近于输出的后期层, 使用编码器将图像映射到低维隐空间,保证图像的颜色细节. 为了更准确地评估编辑效果, 提出一种基于语义分割的平均像素编辑距离(APEDS)评价指标.在LSUN Church数据集上与相关方法进行实验的结果表明, ABEditor在保留建筑图像细节和空间结构方面有所提升,在SSIM, FID, L2, LPIPS, PSNR和APEDS定量分析指标中, 分别提升28.64%, 20.74%, 13.67%, 1.67%, 10.01%和21.26%.

• 多元视觉-语义联合嵌入的人-物交互检测网络

  吕学强, 王晓英, 韩晶, 陈玉忠

  人-物交互检测对理解以人为中心的场景任务十分重要, 但其因动词的一词多义带来的视觉偏差问题以及图像的层次信息和语义关系, 面临难以合理利用的挑战. 为此, 提出多元视觉特征和语言先验联合嵌入的网络, 设计了视觉-语义双分支结构. 在视觉分支上, 将人-物对中人、对象和交互的多元层次关系在层次视觉融合模块中进行丰富的上下文交换, 增加用于关系推理的细粒度的上下文信息; 在语义分支上, 将交互三元组标签中的名词、交互动词和三元组短语联合编码成一个语义汇聚一致性图注意网络, 进行信息传递和多义感知; 最后通过视觉-语义联合嵌入模块计算视觉和语义之间的拟合程度, 得到交互三元组的检测结果. 实验结果表明, 在V-COCO数据集上, 代理平均精度达到70.7%, 角色平均精度达到72.4%; 在HICO-DET数据集上, 默认场景下, 完整类、罕见类和非罕见类的平均精度分别达到35.91%, 33.65%和36.28%; 所提网络优于对比的网络, 在少样本和零样本情况下同样表现出色.

• 判别区域感知增强的细粒度遥感目标检测

  姚婷婷, 米富横, 曹福笑, 胡青

  遥感图像中通常包含较多目标, 由于很难提取有效的类别判别信息, 现有遥感目标检测方法存在较多类别混淆现象. 为此, 提出一种判别区域感知增强的细粒度遥感目标检测方法. 首先在特征提取骨干网络中构建判别信息提取模块, 利用判别特征增强-抑制策略持续挖掘目标中易被忽略的局部细节信息, 增强网络对不同种类目标的特征描述力; 然后构建目标感知增强模块, 利用特征选择模块增强不同尺度下的特征描述力, 并采用多个不同大小卷积核的卷积层和跳连接操作提高浅层网络的目标感知力; 最后受到Transformer网络自注意力机制启发, 构建自注意力特征增强模块, 突出待检测目标的特征信息, 减少复杂背景对目标分类准确性的干扰. 在细粒度遥感目标检测数据集DOSR与HRSC2016上的实验结果表明, 所提方法的平均准确率分别达到72.04%和84.38%; 定性和定量的实验结果表明, 该方法对不同类别的遥感目标均具有良好的检测准确性和鲁棒性.

• 全局特征增强及掩模矫正的半监督视频目标分割方法

  潘祖望, 桂彦, 易宇航, 张建明

  针对视频目标分割中存在的相似目标辨别精确度低、分割误差累积等问题, 提出一种全局特征增强及掩模矫正的半监督视频目标分割方法. 首先采用全局上下文感知模块增强特征, 利用2个全局存储单元建模特征的全局依赖关系, 捕获视频帧内和帧间的全局上下文信息, 提高分割模型对相似干扰物的辨别能力; 然后提出细节感知解码器, 在解码初期阶段通过跳跃连接融合编码器特征, 学习局部细节增强的解码特征; 最后在解码后期阶段部署掩模矫正模块, 估计粗糙分割掩模中不确定区域, 并对模糊目标边界及分割错误区域进行矫正, 获得精确的视频目标分割结果. 在具有挑战的DAVIS和YouTube-VOS基准数据集上进行大量实验的结果表明, 所提方法明显优于文中对比方法, 在YouTube-VOS 2019验证集中的性能分数G相较于STCN和GSFM方法分别提高了1.6和0.3.