计算机辅助设计与图形学学报

作者：舒振宇, 但文宇, 辛士庆

关键词：兴趣点, 语义序列, 分组, 三维模型

三维模型的兴趣点提取是计算机图形学的一个基本问题, 针对该问题提出一种采用投票机制和动态分组兴趣点的提取方法, 主要包括 3 个模块. 其中, 顶点编码器模块融合三维模型上的顶点的邻域和全局信息, 生成顶点语义序列; 概率分布预测网络模块将顶点语义序列映射成投票概率序列和置信度序列, 并生成兴趣点概率分布; 动态分组模块通过设定不同的概率阈值, 从概率分布上进行兴趣点分组提取. 所提方法在 SHREC2011 和 KeyPointNet 数据集上进行实验, 采用 FNE, FPE, BHD 和 CD 评价指标进行比较, 结果表明, 与传统方法相比, FNE 至少减少 0.2, FPE至少减少 0.18; 与现有机器学习的方法相比, BHD 平均减少 0.011, CD 平均减少 0.002, 兴趣点提取效果显著提升.

来源：2025年第6期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2025年第6期