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9期

• 面向高保真材质表示与生成的深度学习技术综述

  郑传焜, 范航明, 林子豪, 霍宇驰, 王锐, 鲍虎军

  材质的高保真表示与高效生成技术对于提升绘制场景的真实感和多样性具有重要意义, 一直是计算机图形学领域的重要研究内容. 由于真实世界材质具有复杂光学特性与丰富的外观变化, 传统的材质表示与生成方法在重建质量、算法效率、生成多样性等方面仍面临诸多挑战. 近年来, 深度学习技术的迅猛发展为材质表示与生成提供了新的解决思路, 展现出巨大潜力. 文中系统地总结了当前基于深度学习的高保真材质表示与生成的相关研究. 首先围绕 BRDF, SVBRDF, BTF, BSSRDF 等主流材质模型, 深入探讨神经材质表示方法的最新研究进展, 并对相关高质量公开数据集进行整理; 然后详细讨论神经材质生成方法中的重要研究方向, 包括基于稀疏观测的材质重建、 软约束下的材质生成和最新的多模态驱动生成技术等; 最后指出神经材质表示与生成潜在的发展方向——神经表示与生成技术的深度融合、高效可部署的神经材质表示、多模态联合建模与控制生成等, 旨在为该领域的未来研究提供参考和启示, 推动高保真神经材质表示与生成技术的持续进步与应用拓展.

• 基于注意力机制的树木点云补全网络

  尤磊, 孙毅安, 常潇洒, 杜黎明

  受到三维激光扫描仪分辨率限制、 环境遮挡等因素的影响, 扫描获取的树木点云通常存在缺失, 尤其是单视角扫描的点云缺失更为严重. 根据树木复杂的几何结构, 提出一种树木点云补全网络. 利用交叉注意力和自注意力机制充分地学习输入树木缺失点云的潜在特征, 并通过解码该特征从稀疏到精细地预测完整树木点云; 针对树木补全数据集难以获取的问题, 采用模拟单视角扫描的方式构建有真值且包括不同树木类型的树木点云补全数据集. 在所构建的数据集上的实验结果表明, 与点云补全网络 AdaPoinTr 相比, 所提网络的平均倒角距离降低 0.62, 平均 F 分数增加 0.04; 该网络可以有效地补全不同种类的缺失树木点云.

• 航空母舰多阶段弹药转运序列可视分析

  郭漩, 王宁, 于淑彤, 刘俊楠, 苏昊, 陈为, 徐明亮

  航空母舰弹药转运属于多阶段作业过程, 涉及作业步骤众多且具有高危险性, 面临着人工分析数据困难、 弹药状态不清晰影响转运效率, 以及潜在安全隐患难以识别等问题. 然而, 现有工作难以支持对多阶段弹药转运序列进行特征分析, 识别低效与高危转运环节. 为此, 通过尼米兹级航母实体沙盘采集的弹药转运序列数据, 设计并实现了面向多阶段弹药转运过程的可视分析系统, 包含控制面板视图、下层甲板转运视图、上层甲板转运视图、飞行甲板转运视图、 作战任务总览视图, 辅助作业人员分析影响弹药转运效率与潜在安全隐患的因素, 锁定转运过程可优化环节. 通过对转运效率和安全隐患影响因素 2 个方面进行案例分析, 验证了所提系统对于探索航母弹药转运序列数据的多阶段特征的有效性和实用性.

• 识印鉴章:中国书画印章分析系统

  贾爱玲, 张玮, 张建伟, 陈为

  印章在中国书画中蕴藏着深厚的文化背景和历史意义, 考究印章信息可以了解书画的流传历史, 分析印章形态可以辅助专家鉴定印章真伪. 为了改进传统书画印章烦琐复杂的研究过程, 设计中国书画印章分析系统. 首先,针对印章识别准确率, 基于台北故宫博物院、 中国历代人物印鉴数据库等开源数据, 通过 YOLOX 检测印章, MoCov3进行印章匹配, 并针对书画场景存在的问题对算法进行改进, 最终整体印章匹配准确率相对于原始算法提升 14.87 个百分点. 其次, 引入 SwinIR 模型对印章进行超分辨率重建, 提升印章图像清晰度; 最后设计可视分析系统. 系统支持书画印章的总体统计数据概览, 进行印章匹配结果分析; 同时支持单个印章的形态分析及多个印章的横向对比.从整体概览到局部细节进行逐步挖掘, 实现对中国书画作品的印章可视分析. 此外, 邀请 4 位专家进行系统实际操作并深入访谈, 对系统进行效果评估及满意度评分. 结果显示, 总体满意度优于传统分析方法, 且通过专家实例研究发现 2 例实际的疑伪印章案例, 证明了该系统的有效性和实用性.

• StruMNet:一种融合神经网络和偏微分方程的结构网格生成方法

  彭嘉明, 陈新海, 刘杰

  网格生成是计算流体力学前处理环节的关键, 在整个计算流体力学数值模拟中扮演着十分重要的角色. 为了进一步提升网格生成效率及智能化水平, 提出了一种融合神经网络和偏微分方程的结构网格生成方法 StruMNet.该方法以计算域的边界以及内部的采样点为输入, 建立结合偏微分方程的神经网络模型用于网格生成, 控制方程和几何边界约束嵌入在损失函数中作为模型的优化目标; 引入损失函数自适应权重策略和点加权机制来提升网格质量及在复杂边界处的拟合能力; 训练后的 StruMNet 能够根据给定的边界形状预测网格点. 分别采用 3 种形状进行实验,使用平均测试集损失、平均最大夹角、平均最小夹角并角波动最大值和角波动最小值引入判断生成的网格质量. 实验结果表明, StruMNet 在不同几何上的网格生成质量优于物理信息神经网络方法和 MGNet 方法, 在网格生成效率方面相较于传统方法提高 3 个数量级, 最终实现结构网格的快速生成.

• 面向三段翼绕流模拟的重叠笛卡儿网格生成方法

  陈浩, 齐龙, 华如豪, 毕林, 袁先旭, 陈波, 庞宇飞, 刘杨

  三段翼绕流问题几何特征和外部流动复杂, 高质量网格生成和数值模拟难度大, 是计算流体力学领域具有挑战性的问题之一. 针对该类问题建立适用的重叠笛卡儿网格生成方法, 以降低空间网格生成的复杂度, 实现笛卡儿网格框架下三段翼黏性流动模拟. 基于笛卡儿网格的自适应优势, 构建了重叠区尺度匹配的笛卡儿网格自适应技术, 保证在不同网格间实现光滑过渡; 在重叠区贡献单元搜索过程中, 针对重叠区不同类型网格设计了相匹配的搜索方法, 构建了近壁贴体结构网格和背景笛卡儿网格之间的数据交互和传递方法; 在上述网格框架的基础上, 通过黏性流动控制方程在不同网格区域的空间和时间离散, 构建了匹配的黏性流动数值求解器; 采用所构建的数值求解器, 针对高雷诺数状态下的三段翼绕流问题进行了算例考核, 机翼整体及不同展位的压力系数计算结果与实验值吻合较好, 证明了所提方法的有效性和可靠性.

• 圆锥曲线的五次Bézier曲线逼近

  彭兴璇, 段卓, 杨雪, 亓万锋

  针对圆锥曲线不可以用多项式曲线精确表示的问题, 给出用五次 Bézier 曲线逼近圆锥曲线的方法. 通过分析 Hausdorff 距离上界的决定因素逼近误差函数, 得到 3 类逼近曲线. 其中, 第 1 类逼近曲线在端点处 G3 连续, 更好地保留了圆锥曲线的端点性质; 第 2 类逼近曲线是 G1 连续的, 误差函数在参数区间内最大值最小; 第 3 类逼近曲线是 G1 连续的, 并且误差函数在 L1 范数下最优; 进一步对于曲面情形得到张量积五次 Bézier 逼近曲面. 最后通过五次Bézier 曲线逼近圆锥曲线数值实例, 证明了所提方法有较好的逼近效果.

• 基于事件相机的图像语义分割方法

  于男男, 王超毅, 乔羽, 任健康, 周东生, 魏小鹏, 张强, 杨鑫

  语义分割技术对自动驾驶等实际场景的图像处理十分重要, 然而基于传统相机的语义分割仍面临动态光照下信息缺失以及高速运动目标的运动模糊等问题. 为此, 引入高动态范围和高响应速度的事件相机, 能够在恶劣光照和高速运动条件下有效成像, 并提出了一种基于事件相机的图像语义分割(event-based image semantic segmentation, EVISS)方法. 在数据集部分, 针对基于事件相机的语义分割数据集较少且标注质量不高的问题, 通过仿真环境制作了一个大规模和高精度标注的数据集 Carla-Semantic; 在网络设计部分, 针对分布不均的事件数据特征难提取的问题, EVISS 方法通过改进的图拉普拉斯公式和注意力机制, 增强图像的全局联系性和上下文依赖, 有效地提取高层级事件特征. 在所制作的 Carla-Semantic 数据集上与现有技术 Ev-SegNet 进行实验的结果表明, EVISS 方法在 MPA 和mIoU 评价指标上分别达到 87.89%和 81.93%, 超越了对比方法的表现, 有效地实现基于事件相机的图像语义分割.

• 多尺度窗口下的自适应纹理滤波算法

  崔鹏, 梁皓涵, 王志强

  为了解决现有纹理滤波方法无法有效地生成具有纹理-结构区分度高的结构测度图像, 以及抑制强梯度纹理和保持结构稳定的问题, 提出一种多尺度窗口下的自适应纹理滤波算法. 首先提出一种具有强梯度纹理抑制和精细结构保持的圆形梯度算子, 利用每个像点的圆形邻域范围内多方向、多结构、多通道和多尺度信息计算纹理和结构之间的差异性, 并将其输入至定向各向异性结构度量框架中, 获得具有高对比度的结构测度图像; 然后利用高斯混合模型和 EM 算法实现对纹理和结构的分离; 最后在多尺度窗口下对像点邻域存在结构的可能性进行评估, 提出一种自适应滤波核尺度选择机制, 即纹理区域获得大尺寸滤波核, 结构区域获得小尺寸滤波核, 实现尺度自适应的滤波效果. 使用 F1 评价指标在图像平滑领域经典图像数据集上进行评估, 以及使用 PSNR 和 SSIM 评价指标在 BSD500数据集上进行实验的结果表明, 相较于对比滤波方法, 所提算法既可以有效地抑制强梯度纹理, 又可以保持精细结构尖端区域的稳定和结构周围的整洁.

• 基于高斯混合特征改进的自编码器机场跑道FOD精准检测

  荆颖, 郑红, 郑文韬

  基于自编码器的图像重构方法可以检测机场跑道上类型未知的外来物. 针对自编码器良好的泛化能力导致异常重构的问题, 提出一种基于高斯混合特征改进的自编码器异常检测模型. 首先通过编码器获取输入图像的编码特征, 由高斯混合模型识别并剔除其中潜在的异常特征以重构图像; 在训练阶段, 通过联合估计网络对自编码器和高斯混合模型进行端到端优化, 建立准确的正常样本模型; 在测试阶段, 重构图像由剔除异常信息的编码特征生成,倾向于接近正常图像, 因此异常的重构误差较大; 为了进一步提高异常检测精度, 使用多层级语义差异进行异常检测. 在中国某机场的跑道道面数据集 FOD AD 和公共基准异常检测数据集 MVTec AD 上的实验结果表明, 所提模型在 FOD AD 数据集上平均 AUC 达 0.981, 在 MVTec AD 数据集上平均 AUC 达 0.985, 均优于对比的同类方法.

• 增强人体关键点特征的姿态估计算法

  刘赏, 代娆, 周煜炜, 董林芳

  二维多人姿态估计是计算机视觉中一项具有挑战性的任务, 其中基于回归的单阶段方法大多缺乏对多人姿态特征学习的针对性, 对人体关节结构特征提取能力不足和关键点位置特征融合能力不足. 针对上述人体关键点特征约束能力不足的问题进行改进, 提出一种增强人体关键点特征的算法. 首先基于 MixFormer 思想给出多头自注意力机制和深度卷积并行的策略, 以增强人体姿态的局部和全局特征, 在获取高质量视觉表征的同时学习更多的人体关节结构信息; 然后给出坐标注意力机制和空洞空间卷积池化金字塔串行融合策略, 先将人体姿态特征进行拆分来捕获跨通道信息, 再采用空洞卷积扩大感受野, 减少小目标信息的丢失, 提高多尺度特征融合能力; 最后结合YOLO-Pose 算法进行姿态估计. 在 2 个数据集上进行实验的结果表明, COCO2017 数据集上, 所提算法的 AP 值提高0.9 个百分点, AR 值提高 1.2 个百分点; OC_Human 遮挡数据集上, AP 值提高 2.3 个百分点; 该算法可以在保证运行速度的同时增强人体关键点特征, 提高整体性能.

• 红外-点云的高精度注册及其微服务数字孪生系统应用

  任志雄, 许佳敏, 许威威

  红外相机在智能电网的布局优化、设备监测和故障诊断方面得到广泛应用, 红外图像与点云的融合技术在电力行业也备受瞩目. 将其与现有系统有效结合成为亟待解决的关键问题. 为了实现单幅红外图像与点云的高效融合与显示, 同时确保服务器的灵活部署并解耦与现有系统功能, 提出了红外-点云的高精度注册及其微服务数字孪生系统. 该系统采用了在服务器端进行计算和优化数据更新策略的方法. 首先, 通过红外与点云图像配准算法计算匹配特征点, 在点云场景中计算出红外图像特征点的三维坐标; 其次, 利用 PnP 算法计算红外相机的位姿, 确保红外图像与点云场景的准确对齐; 最后, 通过光栅化算法获取投影信息, 将红外图像的红外值映射到三维点云上, 实现高效的融合. 该系统应用于电力设备红外监测系统, 在真实的大规模室外场景经实验证明, 特征匹配的正确率大于96.17%, 正确匹配的平均投影误差小于 7 个像素.

• 无抓取标注的堆叠物体抓取位姿检测方法

  石敏, 侯京召, 朱登明, 李兆歆, 庞家繁, 郭诗盛

  针对现有的抓取检测网络需要大量标注数据进行训练且难以适应新物体抓取检测的问题, 提出一种适用于堆叠场景下的物体 6DoF 抓取位姿检测方法. 该方法由模型可抓取位姿模板库、 待抓物体选择网络和抓取映射 3 部分组成. 首先基于几何外观特征与力封闭原理, 在物体模型上生成一组满足力封闭的 6DoF 抓取位姿, 构建可抓取位姿模板库; 然后分割原始场景点云, 基于可见性、 遮挡性和置信度等确定待抓物体; 接着根据待抓物体的在场景中的位姿,将模板库中的抓取位姿映射到该物体上; 最后选择与待抓物体质心距离最近且无碰撞 6DoF 抓取位姿, 实现稳定抓取.实验在 6 种类型物体堆叠场景中进行, 结果表明, 该方法取得 96.2%的平均抓取成功率; 相较于 PointNetGPD, 其抓取成功率提升 5~20 个百分点.

• 非固定送货位置的多智能体取送货问题研究

  翟民, 章政, 黄卫华, 付亮亮, 罗文龙

  针对非固定送货位置的多智能体取送货(multi-agent pickup and delivery, MAPD)问题, 提出一种基于能源成本的启发式冲突搜索最优任务分配(energy-cost-based heuristic conflict-based search with optimal task assignment,ECB-HCBS-TA)算法, 旨在找到最优的任务分配结果及相应最短无冲突取送货路径, 最小化智能体完成所有任务的总成本. 首先通过耦合求解任务分配与多智能体路径规划, 保证非固定送货位置的 MAPD 问题解的最优性; 然后针对 CBS-TA 算法生成的搜索森林中存在冗余节点导致计算复杂度较高的问题, 设计基于能源成本的启发式代价函数指导约束树的搜索与生长, 以减少搜索空间; 最后针对取送货路径规划问题设计启发式双向 A*算法, 以加快路径搜索速度. 随机生成栅格地图和任务信息, 并将 ECB-HCBS-TA 算法与 CBS-TA 算法进行对比. 仿真实验结果表明, 在8×8 栅格地图执行 ECB-HCBS-TA 算法时, 4 个智能体完成任务的最大完工时间、平均时间成本、节点数量和算法的运行时间分别减少 9.3%, 5.4%, 23.2%和 50%, 证明了该算法的有效性; 当栅格地图进一步扩大时, ECB-HCBS-TA 算法仍能在较短时间内完成规划, 证明了该算法的可扩展性.

• 基于特征结合与权重对抗训练的鲁棒模型水印方案

  高光勇, 徐梓棋, 方巍

  模型水印方案是用于保护深度神经网络模型所有者对其所有权的信息隐藏技术. 针对现有模型水印方案无法有效抵抗水印去除攻击的问题, 提出一种基于特征结合和权重对抗训练的模型水印方案. 该方案从特征结合角度融合原始训练数据集图像以构造触发集; 在水印嵌入阶段, 对模型进行权重对抗训练, 将扰动注入模型权重以模拟水印攻击环境, 从而有效地提高水印鲁棒性. 在 CIFAR-10 数据集上的实验结果表明, 与传统黑盒后门水印方案相比,所提方案在面对微调、覆写攻击时水印提取率可以达到 100%; 同时针对各类水印去除攻击, 该方案水印提取率都可以保持在 80%以上.