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2期

• 虚拟人运动控制策略学习方法的研究进展与展望

  叶永竞, 许逸文, 张子豪, 胡磊, 夏时洪

  虚拟人运动合成是虚拟现实和角色动画领域中的关键问题之一, 旨在合成真实自然且能够响应用户输入信息的运动序列.虚拟人运动控制策略根据用户输入约束解算关节力矩, 并依托现有的物理引擎更新虚拟人状态, 合成的运动序列在满足用户输入约束的同时可以满足物理真实性.近年来, 深度强化学习技术因在序列决策和交互任务中的出色表现而备受研究者的关注, 为基于物理引擎的虚拟人控制策略学习提供了新途径.文中对虚拟人运动控制策略学习方法进行综述, 从理论基础和应用设计等方面介绍相关研究.在应用设计方面, 首先基于深度强化学习的基础元素, 从状态表示、奖励函数设计、控制策略设计以及物理仿真4个角度对现有工作进行梳理总结; 其次, 分析现有通用技术框架并指出其在控制策略上的拓展方向, 并以实际问题为例探讨虚拟人运动控制策略的具体应用.最后, 总结当前该领域的研究现状, 指出利用丰富的运动捕获数据提升运动控制策略的深度与广度是未来的主要研究方向, 展望虚拟人运动控制策略学习方法在多模态的感知与控制、世界模型学习和具身智能等应用方向的发展前景.

• 面向虚拟场景交互任务的分阶段视线预测方法

  李国安, 刘俊辰, 汪淼

  视线预测方法是指通过用户的各类信息预测用户当前注视方向的一种算法模型, 现有的在虚拟场景中进行视线预测的方法通常使用泛化的模型, 在各类具体交互任务上仍有较大的提升空间.所提方法的交互任务设置为在虚拟场景中走动寻找—接近—触碰物体, 首先构建了该任务场景的第1个数据集, 包含21名用户在3个交互场景下各进行5次交互任务过程中记录的注视点、物体、头盔和手柄4类参数序列和录制视频; 进一步将用户完成交互任务的过程分为3个阶段, 即寻找目标物体—锁定目标物体—接近目标物体; 然后逐阶段进行相关性分析, 选择与视线相关度最高的参数集输入网络进行训练.所提方法在自行构建的数据集上进行验证, 与当前主流算法的3.31° 的预测误差相比, 所提方法达到了2.60° 的预测误差, 预测误差减小21.45%, 提升了该任务场景下的预测精度.

• 图表大数据解析方法综述

  容姿, 丁一, 李依泽, 周志光

  图表以视觉逻辑的形式有效地传达信息, 为理解关系隐晦的复杂数据提供了直观的途径, 在科学文档中扮演着至关重要的角色.然而, 图表本身的视觉结构丰富性和视觉语义复杂性为图表可视化的构建提出了挑战, 而底层数据的内在多样性和用户认知视角的差异性又给图表信息的解读带来了分歧.随着自动图表解析技术的兴起, 提供了一种准确、有效的途径来解读图表, 为更高级的图表洞察和推理奠定了基础, 并进一步辅助决策制定.文中对图表大数据解析方法的相关研究进行综述, 首先从研究对象图表本身和用户两端出发, 阐明图表解析过程的必要性和复杂性; 然后按照图表感知、结构解析和洞察推理3个层次, 分别概述图表解析过程的研究方法和前沿技术; 进一步, 阐述图表解析的下游应用, 如检索、交互、生成等; 最后总结图表解析方法在理解复杂图表类型和保证信息完整性等方面面临的挑战, 并对其未来的发展趋势进行展望.

• 基于特征选择的食品掺杂物可视分析系统

  汤颖, 盛祎琛, 潘晶, 周伟华

  食品安全抽检数据中蕴含的掺杂物信息在食品安全早期预警、风险预测等方面有着重要应用.为深入研究食品类别中的高权重掺杂物, 首先根据对比学习思想设计了基于特征选择技术的食品掺杂物特征权重计算模型, 并获取模型中的样本分类结果、特征信息以及分类模型中常见的评估指标, 在上述特征模型计算的基础上, 设计并实现了一个食品掺杂物可视分析系统.该系统不仅包含多个联动视图帮助用户更直观地理解食品掺杂物的特征, 并支持用户通过迭代交互不断更新最优特征组合.最后, 将该可视分析系统用于2010—2020年全国范围内24种食品类别的89 202条不合格样本的掺杂物特征分析, 实验结果证明该系统可以通过自动化的方式更加方便、直接地获取食品的掺杂物权重, 增强掺杂物特征组合, 为专业人员提供了对食品掺杂物更全面的见解.

• 面向零样本图像分类的交互式类属性构建方法

  刘真, 徐景胜, 颜菁, 徐润森, 吴向阳

  零样本图像分类解决了训练和测试数据类别不相交的问题, 人类标注属性是一种常用的实现零样本图像分类的辅助知识.为协助专家设计类属性矩阵, 提出了一种交互式构建方法, 简化了烦琐且缺乏指导的流程.首先, 通过一种基于概念的深度学习可解释性方法, 在训练集图像数据中提取出可理解的属性信息; 然后, 采用多视图协作的交互方式, 探索和分析已提取属性的重要性.系统提供了全局和局部2种方式, 辅助用户设计测试集数据类别的属性值; 最后, 通过在数据集Animals with Attributes2上进行的案例分析, 以及采用李克特量表的用户评估实验, 验证了设计方法的有效性和实用性, 可以帮助专家用户高效且便捷地完成类属性构建工作.

• 基于图像提取与修复的计算机辅助古画印章分析

  林馨怡, 吴泓嘉, 袁稚庭, 张宏鑫, 陈为

  印章的比对分析在历史研究、人文考古等领域有着巨大的意义.传统印章分析依赖于专家长期积累的领域知识, 并需要人工在来源广泛的印章中进行比对, 效率低下且极其耗费人力.针对该问题, 与人文领域专家深度合作, 提出一种古画印章的自动提取与修复方法, 实现高精度的完整印章批量抠取与修复; 通过互联网获取的1 762幅古画作品及其中的印章构建数据集, 从印章整体、局部、关联特征等信息构建印章画像; 设计可视分析系统对印章进行了多角度整合呈现, 帮助领域专家在大量印章数据中对特定印章进行比对分析.与传统人工分析相比, 该方法最大限度地提高了专家的工作效率.2个案例研究证实了所提方法与系统的有效性, 并在专家访谈中得到了积极反馈.

• 视听融合耦合坐标自注意的单目深度估计

  马存良, 蒲江川, 许春冬, 易见兵, 嘉明珍

  针对单目图片和声音回波信号都含空间信息这一特点, 提出一种视听融合的单目深度估计方法.首先, 通过池化金字塔模块融合分析回波与材料特征来自适应估计单目图片的离散深度值; 然后, 采用卷积神经网络和Transformer相结合的方法对单目图片进行编码, 改进坐标注意力提出坐标自注意力模块对图片特征解码获得离散深度值的概率分布; 最后, 将像素点的深度值建模为离散深度值的期望来构建最终深度图.实验结果表明, 在仿真数据集Replica和Matterport3D数据集上, 所提方法的均方根误差分别为0.204和0.875, 相对误差分别为0.095和0.161, 均取得具有竞争力的结果; 在真实数据和含噪声数据中, 该方法能够应用于真实场景的深度估计.

• 基于MDL-U2-Net的盆底超声图像轻量级分割及参数测量

  刘孝保, 甘博敏, 姚廷强, 申吉泓

  准确地分割超声图像中盆底区域, 是实现盆底疾病计算机辅助诊断的重要环节.针对盆底形态复杂、边界模糊、分割算法参数量庞大以及参数测量精度有限等问题, 搭建了一种轻量级语义分割网络MDL-U2-Net并提出修补算法AC-F.首先, 对基准U2-Net进行结构优化和通道数调整, 以有效地降低模型参数量; 其次, 融入复合损失函数以缓解训练损失波动并提升边界保持能力, 提高网络对模糊边界的分割准确性; 之后, 提出深度非对称多尺度混洗卷积模块, 以捕获特征空间采样的位置偏移信息, 弥补轻量网络感受野不足和特征提取能力较弱的缺陷, 提高网络对盆底复杂形态的建模能力; 最后, 采用修补算法对分割盆底进行精细化填补, 以提高盆底完整性和参数测量的精度.在自制数据集上的实验结果表明, MDL-U2-Net对盆底分割的Jaccard, Recall和HD95指标分别达到91.226%, 93.589%和1.074, 与基准U2-Net相比, 模型参数量缩减了94.37个百分点; 此外, 经AC-F算法处理后的区域面积测量百分误差降至1.25%, ICC达到0.998且有95%(76/80)的数据在95% LoA内, 能够实现轻量级分割和精确参数测量.

• 融合特征位置编码和误差修正的唐卡图像风格迁移模型

  时新月, 胡文瑾, 乔浪, 康文东

  唐卡是藏族文化中一种独具特色的艺术风格, 通过对唐卡图像进行二次创作能够帮助人们了解唐卡风格特征, 促进文化传承与保护.针对目前唐卡图像风格迁移技术生成新图像中, 生成图像存在伪影、局部图像模糊和细节信息处理不到位等问题, 提出一种融合特征位置编码和误差修正的唐卡风格迁移模型FPC-EI.利用二维相对位置编码获取内容序列与风格序列之间的对应位置信息, 实现图像特征之间的对齐和匹配; 坐标注意力机制模块强化利用二维相对位置编码增强编码器对于唐卡以及内容图像纹理细节信息的捕获能力; 密集深度反投影网络使用采样层模块不断地进行上下采样, 进行误差修正, 指导模型提高生成图像质量.在自建的唐卡数据集和任意图像数据集上进行模型训练的实验结果表明, 与AdaIN, ArtFlow, AdaAttN等风格迁移模型相比, FPC-EI的SSIM指标平均提升32%, LPIPS和MSE指标平均下降7.3%和2.7%, 可以有效地保留内容结构、特征融合和图像局部细节方面特征.

• 基于特征分块与域间融合的跨域足迹图像检索方法

  张艳, 申多, 李增辉, 朱明, 粟娇娇

  为了解决现有图像检索方法难以提取跨域足迹图像的高区分性域共享特征等问题, 提出了一种基于特征分块与域间融合的跨域足迹图像检索方法.首先, 以ResNet50为主干网络提取足迹图像全局特征; 然后通过水平分块特征提取方法获取更具鉴别性的特征; 最后, 采用跨域特征融合方法提取域共享信息, 并设计均衡损失以优化融合特征.在自行采集的200人跨域足迹图像数据集上进行实验, 在光学检索压力及压力检索光学2种模式下Rank-1分别达到91.38%和84.50%, 验证了所提方法的有效性.

• 空间域增强的通道自适应深度伪造图像检测方法

  李佳林, 沈哲

  针对现有的深度伪造检测方法缺少关注图像空间域信息及模型复杂度较高的问题, 提出一种使用空间域特征增强的通道自适应深度伪造图像检测方法.首先提取图像空间域信息并归一化空域特征图, 将空域信息作为第4个通道传入网络; 其次, 在主干网络中加入SE-Layer模块, 对4个通道的权重进行重建, 解决通道间的异构性问题; 最后, 设计了半自动的预训练策略, 进一步提升了模型训练效率和准确率.以深度伪造人脸检测为例, 在7个不同来源的数据集上进行检测实验.结果表明, 即使在未使用数据增强技术的情况下, 文中方法优于基线方法, 在效果最差的StyleGAN2数据集上准确率也达到99.60%, AP指标达到98.00%.

• Figma2Code:面向Figma设计稿的自动代码生成方法

  朱琳, 封颖超杰, 朱航, 王斯加, 朱闽峰, 喻晨昊, 张钰荟, 许达兴, 赵德明, 冯玉君, 陈为

  设计类创作工具已被广泛用于提高用户界面的设计效率, 然而, 根据设计稿开发代码是一件耗时费力的工作.针对现有的设计稿自动转代码的方案面临的代码可用性和复现结果准确性等问题, 基于Figma设计工具提出一种自动代码生成方法——Figma2Code.首先, 通过节点和图层优化提高设计稿元数据质量; 其次, 采用元数据标注信息的语义理解和图像识别技术识别组件; 然后构建一套通用型的中间态数据结构, 表示优化后的元数据和识别后的组件属性, 以支持多种代码语言的生成; 最后, 基于模板生成可用代码, 并通过函数抽取和元素循环输出提高代码可用性.采用生成代码的复现样式准确度量化评估和基于专家经验的代码可用性定性评估, 证明了所提方法的有效性.

• 交互模态与任务类型对用户交互绩效的影响

  侯冠华, 周蓥滢

  人机交互系统如何适应用户搜索任务变化, 提供更优的交互模态是有待研究的课题.实验邀请30名被试, 研究采用3(交互模态:触控、语音、眼控)× 2(任务类型:操作模糊型、操作明确型任务)的双因素混合实验设计.采集首次点击时间、注视点数、热点图、注视路径等眼动数据, 以表征用户交互过程中的访问行为、浏览行为, 并通过任务负荷、满意度等评估用户的互动行为.实验结果表明, 任务类型显著地影响用户搜索的访问行为和浏览行为绩效.在操作明确型任务中, 用户在初始页面、搜索结果等页面停留时间短, 任务满意度和负荷等互动评估高; 在操作模糊型任务中, 用户采用了随机搜索策略, 视觉搜索路径复杂.交互模态影响用户搜索过程中的行为绩效, 语音交互时用户切换页面次数显著高于眼控、触控模态.此外, 用户信息需求模糊时, 触控交互的访问行为、互动行为绩效最佳, 其次为眼控交互.研究发现了用户搜索行为与视觉注意的关系, 为人机系统的交互设计提供了参考.

• 基于纹理和几何特征融合的髁突骨微结构分割与预测

  李文轩, 冯斌, 吴福理, 金琳筱, 汪郡, 张伟华

  下颌骨髁突是颞下颌关节的重要组成部分.颞下颌关节炎(TMJOA)患者常发生髁突异常改变, 提示TMJOA病变进展.针对现有工作对于髁突骨微结构的研究不深入, 预测髁突病变前的形态比较缺乏的问题, 提出一种锥形束计算机断层扫描(CBCT)影像中髁突骨微结构分割方法.首先结合髁突的几何特征, 通过数据扩充模块增加训练样本数; 然后采用边缘提取模块有效地捕捉髁突边界信息, 通过纹理特征提取模块获取影像中的纹理特征; 最后将边界信息与解码器中得到的特征图进行融合, 获得不同尺度的边缘增强区域特征图, 增强模型对纹理和边缘的感知.在髁突CBCT数据集上对髁突骨微结构分割的实验结果表明, 所提方法在髁突骨微结构的分割中取得了良好的效果, 皮质部分的分割Dice达到0.901, 松质部分的分割Dice达到0.958; 在病变前皮质形态预测的实验结果表明, 预测结果的Dice值为0.948, 验证了该方法比文中对比方法具有更好的性能.所提方法为TMJOA病变的影像诊断和治疗提供了有力的支持和指导.

• 基于多模态多实例学习的胃癌患者生存预测算法

  金怀平, 陶玉泉, 李振辉, 陶海波, 王彬, 薛飞跃

  生存预测对于胃癌患者的治疗具有重要意义.针对传统基于组织病理图像的生存预测算法存在像素级标签缺失、信息量大以及模态单一等问题, 提出一种基于多模态多实例学习的胃癌患者生存预测算法.首先使用多层感知器和自监督学习方法SimCLR分别提取临床数据和组织病理图像特征, 然后采用基于全局感知的多实例学习方法提取高分辨率下的包级嵌入, 使用平均池化方法得到低分辨率下的组织病理图像实例级嵌入, 最后通过多模态融合方法将包级嵌入、实例级嵌入和临床数据特征进行融合, 以实现不同模态数据之间的信息交互和不同放大倍数下图像信息的充分利用.在云南省肿瘤医院胃癌患者病理数据库上的实验结果表明, 与传统的多实例学习方法相比, 所提算法在5× 和20× 组织病理图像下胃癌患者生存预测的准确率分别提高了5.6~10.0个百分点, 4.1~7.5个百分点, 与常规的多模态融合方法相比, 提高了3.5~4.9个百分点.