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8期

• 数字人面部表情迁移: 从人脸表示到表情迁移综述

  包仪华, 涂子奇, 骆乐, 刘越, 翁冬冬

  数字人技术通过数字化手段将真实世界的人类与虚拟世界连接, 具有广阔应用潜力. 在数字人的构建中,面部构建尤其具有挑战性, 为了实现数字人的逼真面部表情, 通常采用真实演员的面部表情进行驱动, 然后将这些表情迁移到数字人上, 即面部表情迁移. 文中综述了数字人面部表情迁移技术的研究进展, 包括三维人脸表示、面部成分提取及表情迁移方法 3 个关键技术环节. 回顾了从显式三维可变形模型到隐式神经网络表达的技术演进, 分析了表情与身份信息分离、跨维度表情映射等关键挑战. 文中指出当前技术主要面临三维模型表现力有限、特征提取易受环境干扰、 跨主体适应性不足等问题. 基于对大量文献的分析评估, 提出应发展具备更强局部表达能力的可变形人脸建模方法, 探索基于卷积隐式神经网络的精确表情分离技术, 以及融合隐式神经网络与非线性人脸表示的表情迁移框架; 这些创新方向有助于简化迁移流程, 增强系统泛化能力, 最终实现更自然、高效的数字人面部表情生成,推动数字人技术在军事训练、教育教学、心理舒缓与影视娱乐等领域的广泛应用.

• 室内数字三维场景评估方法

  张浩然, 张少魁, 孙博远, 林鑫杰, 刘家宏, 陈学斌, 陈境焕, 张松海

  场景生成需要度量指导场景的优化. 由于场景度量以场景优化为目的, 并且度量结果对人类通常较难解释,因此缺乏专业室内设计背景的人需要通过场景的定量评估来理解一个房间功能、美学和人因因素的合理性. 文中提出用于自动评估室内三维场景的 10 项评估指标, 包括功能、美学和人因 3 个评价维度. 首先, 从场景物件的使用性与功能关联出发, 通过可达性、可见性、开阔度、关联关系和功能比例来衡量场景的功能质量; 其次, 基于场景平面构图和人视点视野, 使用平衡性、齐整度与和谐性度量场景的美学质量; 最后, 根据人类活动模拟, 采用流线合理性和活动舒适度评估人因质量. 所提评估方法能通过分项指标展示输入场景的优缺点, 为场景优化和设计迭代提供参考.选取 3D-Front 数据库的 50 个场景进行对比评估, 实验结果表明, 采用该方法进行室内场景评估的效果与专业设计师水平相当, 二者平均评分差异为 0.133~0.220, 且评估结果的有效性受到专业设计师和普通用户的肯定; 在与 PlanIT 和HAISOR 的对比实验中, 基于所提评估方法的场景生成技术在用户评估中获得了更高的功能、美学、人因和总体评分, 在度量场景上更加合理.

• 融合语义-灰度特征的三维场景纹理优化算法

  于柳, 吴晓群

  针对三维场景纹理映射中存在的模糊伪影问题, 利用多角度拍摄的图像对三维场景进行高保真纹理映射,提出一种融合语义-灰度特征的三维场景纹理优化算法. 首先根据图像对应的相机姿态计算初始图像映射关系; 然后融合语义特征对初始映射关系进行优化, 保证场景中几何模型间颜色的正确性; 再融合灰度特征进一步优化, 保证几何模型内部纹理颜色的正确性; 最后结合三维场景信息, 采用加权平均策略融合像素合成纹理图像, 同时根据映射关系将纹理图像反投影到几何体, 生成具有高保真纹理的三维场景. 在 Fountain 和 BundleFusion(Office0, Office2)公开数据集上, 与现有的纹理优化算法进行对比实验, 结果表明, 所提算法合成的纹理图像与真值图像的平均结构相似性达到 0.89, 平均峰值信噪比达到 39.10 dB, 并且在 2 个数据集上的纹理优化速度分别为 62 s 和 106 s, 平均优化速度提升 67.2%. 所提算法能够在视觉质量和优化速度之间取得较好的平衡效果, 并且在包含较大相机姿态误差以及低精度重建几何的情况下仍具有明显优势.

• 基于双侧通道特征融合的三维姿态迁移网络

  刘珏

  为了解决现有方法中姿态特征在前向传播过程中的姿态失真问题, 提出了一种基于双侧通道特征融合的姿态迁移网络. 首先, 通过姿态编码器从源网格中提取固定长度的姿态编码, 并将其和目标顶点组合成混合特征; 然后, 设计了一种特征融合自适应实例归一化模块, 通过 2 个侧通道处理三维网格的姿态和身份特征, 使姿态特征在逐层前向传播中得到补偿, 从而解决姿态失真问题; 最后, 使用该模块构成的网格解码器, 逐步将姿态迁移到目标网格上. 在 SMPL, SMAL, FAUST 和 MultiGarment 数据集上的实验结果表明, 文中方法在保持较小网络结构的同时, 评价指标 PMD, CD 和 EMD 分别达到 0.57×10-4, 1.37×10-4 和 13.40×10-3, 成功地解决了姿态失真问题, 同时能够适应不同顶点数的网格. 文中方法的代码详见 https://github.com/YikiDragon/DSFFNet.

• 基于自监督信息熵学习的深度多模态聚类

  王前前, 章子豪, 姜洪旭, 冯伟, 高全学, 焦李成

  为了保持多个模态间聚类空间的一致性, 消除各个模态内的无关信息, 提出一种基于自监督信息熵学习的深度多模态聚类算法. 首先采用多模态卷积自编码器结合重建任务以获取低维的潜层特征; 然后使用深度嵌入技术为多个模态学习一个理想的公共聚类空间, 将其作为标签以自监督的方式来约束各模态的聚类子空间不断接近理想,保证每个模态的潜层特征具有相似的分布; 最后结合信息熵的理论, 约束标签与各模态潜层特征间的互信息, 保证模态间的相关性, 同时降低模态内数据的冗余性. 此外, 在 Fashion-MNIST, COIL-20, FRGC, YTF, RGB-D 以及Noisy-MNIST 基准数据集上展开实验. 实验结果表明, 所提算法在 ACC 和 NMI 聚类指标上均优于其他对比算法, 尤其在 Fashion-MNIST 数据集上, ACC 相较于 StSNE 算法提高了 2.2 个百分点; 消融实验和参数分析证明了所提算法的合理性和鲁棒性.

• 基于Transformer的乳腺组织病理图像自监督分类方法

  丁维龙, 刘津龙, 朱峰龙

  基于自监督学习的乳腺组织病理图像分类可以辅助病理医生对乳腺癌患者进行筛查. 当前的自监督学习方法通过构造辅助任务学习图像的特征表示, 但这种方式提取到的特征偏向于解决辅助任务, 难以挖掘病理图像自身的特征信息, 影响模型在下游任务中的性能表现. 为此, 提出一种基于 Transformer 的乳腺组织病理图像自监督分类方法. 首先借助卷积神经网络和视觉 Transformer, 对病理图像的局部和全局信息的感知能力设计 DenseSwinNet 特征提取网络; 然后构建一种基于聚类和自注意力的多示例学习分类器 CSA-MIL, 用于将乳腺组织病理图像的局部和全局特征进行聚合, 预测其是否发生癌变. 在面向乳腺组织病理图像分类任务的公开数据集 Camelyon16 上的实验结果表明, 所提方法的准确率、F1-Score 和 AUC 分别达到 0.901 6, 0.857 和 0.924 7, 证明该方法可有效地提升分类性能; 此外, 通过对模型关注区域进行可视化分析, 证明了模型具有良好的可解释性.

• 显著性增强和全局感知的RGB-T显著性目标检测

  杨超, 官铮, 王学, 马文笔

  有效地捕捉和利用图像不同特征层之间的特性和互补潜力, 对于精确定位显著目标和保留其细节轮廓具有重要意义. 针对现有的大多数 RGB-T 显著性目标检测方法将提取到的图像特征直接输入到聚合模块中, 并利用简单的递归结构定位显著目标, 其所带来的低泛化能力问题, 提出了一种显著性增强和全局感知的 RGB-T 显著性目标检测方法. 首先利用预训练模型提取图像的原始特征; 其次提出降噪模块(NRM), 作为编码和跨模态解码之间的桥梁,以纯化显著对象的特征表示; 并提出高级语义指导模块(HSGB), 融合不同模态的高级语义信息, 以保留显著对象的位置信息; 最后设计跨模态交互模块(MMIB), 在保留显著对象位置信息的同时, 指导解码模块进行多级特征的聚合操作, 得到最终显著图. 在 VT821, VT1000 和 VT5000 数据集上的实验结果表明, 所提方法的 MAE 指标分别达到3.0%, 1.8%和 3.0%, 性能优于大多数主流方法.

• 基于向量符号架构-域适应网络的低照度图像语义分割方法

  江泽涛, 廖培期, 黄钦阳, 黄景帆

  针对语义分割中由于低照度图像光照不足, 存在图像亮度、对比度、信噪比低等现象, 导致低照度图像语义分割难度增大, 提出一种基于向量符号架构(vector symbolic architectures, VSA)-域适应网络的低照度图像语义分割方法. 该方法首先将基于向量符号架构的图像翻译网络和域适应语义分割网络融合在一起, 将正常照度图像翻译为低照度图像, 减少域之间的风格差异, 从而提高低照度图像的分割精度; 然后在图像翻译网络中提出分层特征映射(layeredfeature mapping, LFM)模块, 它能更好地将语义分割网络编码器的多层特征向量映射到 VSA 空间, 使翻译图像与低照度图像更相似, 进而提高分割网络的分割精度; 最后在域适应语义分割网络中提出跨域稀有类混合(cross domain rare classmixing, CDRCM)方法, CDRCM 在域适应的过程中根据低照度图像的伪标签分布情况得到低照度域的稀有类, 再在跨域混合时偏向这些稀有类, 从而提高低照度域中稀有类的分割精度. 在 Cityscapes→Dark Zurich 和 Cityscapes→ACDC-night上的实验结果表明, 文中方法比基线 DAFormer 在平均交并比上分别提高了 8.2 个百分点和 7.2 个百分点, 实验结果表明了其有效性.

• 基于特征分离和差异映射的阴影去除算法

  黄颖, 雷秀杰, 姜茂, 李豪, 房少杰, 钱鹰

  阴影使得很多计算机视觉任务表现不佳, 其与场景的复杂形成关系使其成为研究热点. 通过人工掩模得到阴影区域、 学习阴影特征并应用到阴影去除的算法, 人工标注成本较高. 且通过学习从阴影图像到无阴影图像的直接映射会形成部分错误映射, 以及对本不应参与映射的非阴影区域产生干扰. 为此, 提出了分离重建网络, 其借鉴独立成分分析的思想将阴影特征与环境特征分离, 并对分离后的特征进行差异性映射, 从而实现阴影去除. 采用 AISTD和 SRD 数据集进行大量实验, 通过 RMSE 进行指标对比. 结果表明, 所提算法在无掩模的情况(SRNet)下与无掩模算法相比, 其阴影区域的平均误差降低了 17.5%, 对整体图像误差降低了 2%; 在使用掩模的情况(mSRNet)下与相应的掩模算法相比有极好的可比性. 该算法能够实现更好的阴影去除效果.

• 语义扩散对齐的多尺度感知医学图像分割方法

  赖晓婷, 张静

  有效的多尺度特征表示对于准确地分割医学图像中大小不一的病变区域具有重要意义. 针对现有方法未能充分挖掘不同目标的多尺度信息导致难以实现精确分割的问题, 提出一种语义扩散对齐的多尺度感知医学图像分割方法. 首先从局部和全局 2 个角度探索多尺度上下文信息的感知能力, 构建多尺度编码器和解码器. 其中, 多尺度编码器利用局部多尺度自注意力机制和全局重调整来提取多尺度特征, 以捕获图像中不同目标的信息, 多尺度解码器则通过上采样恢复空间分辨率并保留细节信息, 得到更准确的分割结果; 为了进一步增强特征语义表示, 提出语义扩散对齐模块, 实现了低级特征与高级特征的语义对齐, 获得更具鉴别性的融合特征. 在 Synapse 和 ACDC 数据集上的实验结果表明, 所提方法的平均 Dice 相似系数分别达到 82.42%和 92.25%, 性能优于大多数主流分割方法. 该方法的相关代码链接为 https://github.com/MiniCoCo-be/MSPSN.

• 用于医学图像分割的半监督对抗自集成网络

  黄子臻, 王雷, 张玉坤, 李彬

  为了克服传统的 U-Net 网络在医学图像分割中存在的无法有效地提取上下文信息、固定的感受野受限制等问题, 提出一种半监督对抗自集成网络, 其由分割网络和判别网络 2 部分组成. 前者采用卷积神经网络和 VisionTransformer 相结合的半监督学习策略; 后者采用对抗一致性训练策略, 利用 2 个基于一致性学习的判别器获取标记和未标记数据之间的先验关系; 引入基于注意力的动态卷积, 能够根据输入样本的结构信息自适应地调整网络的权重, 增强特征表示能力并降低过拟合风险. 在 ACDC, LA 和 Pancreas 这 3 个经典数据集上比较 5 种网络的实验结果表明, 所提网络在 Dice 系数、 Jaccard 系数、Hausdorff 距离和平均表面距离分别提高了 3.4%~3.9%, 2.9%~4.0%, 43.5%~53.4%, 65.1%~68.7%, 尤其是在使用较少标记数据的情况下, 实现了更好的分割结果.

• 基于SSD框架的自然场景盲文识别方法

  吴东, 卢利琼, 熊建芳

  盲文是视障人士学习知识和技术的工具, 正常人通常对盲文知之甚少, 造成正常人与盲人之间的沟通障碍重重. 为此, 首先构建了自然场景盲文段图像数据集, 该数据集中包含 1 157 幅不同宽高比、不同背景的盲文段图像和对应的标签信息; 随后分析自然场景图像中盲文的特点, 并基于 SSD 框架提出自然场景盲文识别方法. 所提方法根据盲文字符尺寸小且具有固定宽高比的特点选择用于识别的特征层, 设计 CNN 结构、 默认框大小、 盲文字符标签、图像输入策略和损失函数, 以提高盲文字符识别的准确率; 根据盲文字符中盲文点位于边缘区域的特点设计像素层面的注意力机制, 提高盲文字符识别的回归率. 实验结果表明, 在所构建的盲文段图像数据集上, 所提方法的 H 值达到 0.903, 盲文字符检测速度为 66.22 帧/s; 与 SSD, Faster R-CNN, EAST, 以及基于 CNN 的盲文识别方法 EAST-Edge和 UNet-Braille 相比, 该方法的盲文识别性能提升明显.

• 基于人物传记文本数据的叙事可视化自动生成系统

  费彦琳, 高天, 李俨达, 石洋, 曹楠, 陈思明

  传记可视化通过图形化语言描述人物的生平故事, 旨在从海量传记数据中提取重要信息, 并通过可视化获取洞见. 针对从传记文本数据中自动生成叙事可视化存在提炼具有概括力的设计模式、设计传记可视化的自动生成流程、形成具有普适性的可视化设计方案等难点, 开发了基于人物传记文本数据的叙事可视化自动生成系统BioVistory. 该系统以传记文本数据及其他辅助信息作为输入, 运用自然语言处理的规范进行预处理; 从文本中提取出事件, 分为职业生涯、人物行迹、人际关系和时间信息 4 种不同的视角, 并划分为若干人生阶段; 将提取得到的事件、视角和阶段通过视觉隐喻自动生成传记可视化作品; 为用户提供事件交互、视角交互和阶段交互 3 种不同语义层次的交互探索功能. 通过案例分析和用户实验对 BioVistory 系统进行评估, 结果表明, 该系统可以自动生成高质量的传记可视化作品, 能有效地支持数据驱动的叙事可视化, 并增强传记文本的表现力和感染力; 支持读者驱动的阅读体验, 提高学习成效, 增进用户参与度, 同时减少用户的认知负荷.

• 药症方关联的中医药古籍交互可视分析方法

  吴泓嘉, 张弛, 张宏鑫, 陈为, 夏佳志

  中医药古代典籍承载了中医基础理论、 药理知识和实践经验, 具有很高的研究价值. 传统的中医药古籍信息提取、过滤与简单的可视化方法未能充分地挖掘中医药理论知识内容及其相关性. 针对该问题, 与领域专家紧密合作, 提出药症方关联的中医药古籍交互可视分析方法. 基于《四库全书》语料预训练 BERT 模型, 设计了一个中医药知识图谱构建与处理方法; 基于中药的“君臣佐使”原理, 提供了药方主症相关性计算方法; 采用创新的知识图谱药方布局, 支持从中医整体观和辨证论治理论, 以药、症、方 3 个角度探查中医理论知识的关联性. 与传统方法相比, 该方法能更好地帮助专家从中医药古籍数据中进行高效率地探索、理解和推断. 通过对比实验, 所提 BERTsiku-BiLSTM-CRF 模型在命名实体识别任务上的精确率、召回率及 F1 值分别达到 90.57%, 93.53%, 91.99%; 所提 BERTsiku-PCNN 模型在关系抽取任务上的精确率、召回率及 F1 值分别为 93.29%, 75.14%, 80.40%, 结果均优于其他参比模型,证明了所提模型的有效性. 通过 2 个《本草纲目》应用案例的研究, 验证了交互可视分析系统的实用性, 并在访谈中获得了领域专家的积极反馈.

• 成品油管道运行多参数时空模式提取与可视化

  纪连恩, 邢智博, 吴昆, 赵伟

  成品油管道运行过程不仅具有典型的时空特点, 且其运行模式需要由多个监测参数综合表征. 针对现有的时空模式分析方法难以揭示多参数的综合时空特征的问题, 提出一种基于多参数融合的张量分解方法用于成品油管道运行多参数时空模式的提取. 首先根据不同分析角度, 通过对管道运行的多维监测参数进行信息量及相关性分析实现分组融合; 然后将融合后的时空数据建模为张量, 使用张量分解及聚类的方法获取数据集的多维时空模式; 最后对不同模式下原始多参数变化趋势的对比分析, 进一步发现运行模式的时空规律. 基于所提方法设计了一套可视化系统 MPVis, 以支持用户从不同分析角度对多参数表征的综合时空模式进行提取及可视化. 通过真实成品油管道数据的案例结果表明, 该方法为后续成品油管道数据分析提供了一种新思路.

• 川剧文化大数据可视分析

  马秋梅, 江兴涛, 曾琦峰, 陈超

  川剧作为巴蜀文化的典型代表, 蕴含丰富的历史特色与艺术价值, 但在可视化领域的相关研究较少. 为了增加受众对川剧文化的理解, 从历史起源、艺术特色和发展传承 3 个方面出发, 基于 6 个可视化模块, 构建了一个川剧文化大数据可视分析系统. 首先根据需求分析明确数据来源及特征, 并设定可视化任务; 然后采用文本、层次、时空和多维可视化技术设计川剧数据的可视化呈现方案, 结合视图联动等交互技术实现多维度数据的关联与分析. 系统以川剧的形成、 脸谱特征变化和剧目题材发展为案例, 深入分析了川剧的发展脉络与传承现状, 可有效地帮助用户更好地了解川剧文化, 也为今后其他领域的文化大数据研究提供一定的参考.