三维面模型的几何压缩技术综述

随着应用需求的增长,三维模型的规模和复杂度急剧增长,给模型的存储和在有限带宽的网络上传输带来了很大的困难.因此,研究空间需求小、适合于计算机网络传输的三维模型的表示方法具有十分重要的意义.三维模型的压缩主要包括拓扑压缩和几何压缩.由于压缩数据中的大部分是几何压缩数据,因此已发展了许多几何压缩方法,以提高模型的压缩效率.为使相关的学者和工程技术人员较好地了解几何压缩技术,本文对这方面的工作进行了较全面的介绍.本文首先介绍了几何压缩的基本流程及几种几何压缩方法的分类原则,然后将几何压缩技术分为基础压缩方法和经过模型变换的压缩方法两大类并分别进行详细的介绍,讨论了各个方法的特点,最后结合我们自身的工作认识对几何压缩技术进行小结和展望.     

基于图像化几何的三维模型彩绘

基于纹理映射的彩绘系统通常受到从三维模型空间到二维纹理空间参数化的限制.如果一个模型具有复杂的拓扑结构或高度复杂的表面细节,寻找一个好的参数化方法通常是非常困难的,即使可以实现,通常也不能自动完成,需要用户手工交互进行.针对这种问题,提出了一种用于在三维模型表面直接进行彩绘的数据表示方法和一个原型系统,通过在三维模型中的每一个三角形上生成带有颜色信息的几何点,该系统可以支持许多与二维图像编辑类似的操作.其中一个关键的内容是提出了一种包含几何、拓扑和色彩信息在内的自适应的数据表示方法.这种方法被称为图像化的几何,它允许用户将每一个三角形视为一个三角形图像,并可以在不需要任何参数化的前提下在三维模型表面进行彩绘.系统的输入为一个常见的三角形网格模型,通过系统处理后变成一个在三角形上分布着带有颜色信息的几何点的三维表面.因为创建过程是自适应的,因此只有那些需要进行绘画纹理的三角形才需要创建几何点,这样可以节省存储消耗.将这种数据表示用于三维模型彩绘可以很好地处理具有复杂拓扑结构的模型.     

空间数据库研究

文章在研究现有空间数据库的基础上,采用空间数据和属性数据集成化存储的关系数据库模型,给出基于此模型的空间数据库的数据模型逻辑组织、库结构组织、存储组织以及实现的体系结构,提出了基于普通图层、拓扑线图层、拓扑面图层、拓扑体图层、2D栅格图层和3D栅格图层的空间数据库解决方案。     

讲基于曲率特征的三维模型浮雕压缩算法

基于三维拓扑和几何信息的数字化浮雕生成,是浮雕设计领域的一个全新发展方向。根据浮雕艺术形式的特点,实现了一种基于三维测量数据的浮雕曲面生成算法。该算法将浮雕的生成抽象为三维模型在某个投影方向上深度场的压缩过程,以模型曲面的几何信息作为压缩对象,生成的浮雕曲面在深度方向上的立体感可由用户自由控制。实验表明该方法在保持模型拓扑结构一致性的基础上,包含了丰富的几何细节特征。算法可以利用现有的各种实体造型,生成灵活多样的浮雕艺术品,具有广泛的应用前景。     

基于三层存储模型的RFID数据压缩存储方法

针对物联网技术中亟待解决的海量数据存储问题,提出了一种基于射频识别(RFID)的三层数据存储压缩模型。该模型将数据分为当前数据层、临时数据层和历史数据层,利用每一层中数据的特点分别设计了相应的数据汇总算法,最终实现RFID数据的压缩存储。在该模型的基础之上,提出了针对路径的编码算法,用于对路径进行压缩存储。实验结果表明,该三层存储模型可以有效地压缩存储RFID数据,同时数据汇总算法具有较低的时间复杂度与较高的数据压缩比。     

渐进网格中真实选择细化技术的探讨

三维几何模型的选择性细化,是在几何网格LOD技术基础上,依据某种标准(如视点的位置、角度)对网格进行局域精简或细化,以尽可能少的顶点数来再现原模型的细节.其核心是顶点拓扑信息记录、检索方式.真实选择细化技术的优点在于将精简和细化操作局限在顶点及其领域上,不会产生可能失控的连锁反应.就此方法应用于采用半边缩减的渐进网格上,提出了具体的拓扑压缩数据结构方案,并对该结构的实现条件提出建议.该方案结构紧凑,适用于大型三维几何模型通过互联网进行传榆并适于在个人电脑上进行动态显示.     

一般多边形网格模型的几何压缩方法

使用Face Fixer方法对由一般多边形网格构成的三维模型拓扑信息进行了压缩，采用3阶自适应算术编码进一步提高压缩比，通过把顶点位置坐标变换到局部坐标系中，结合量化、平行四边形顶点坐标预测以及算术编码来实现三维网格模型几何信息的压缩，在几何模型质量基本没有损失的情况下，获得了很好的压缩性能。     

一种基于压缩感知的二维几何信号压缩方法

本文给出的压缩方法属于谱压缩方法. 谱压缩方法是一种常用的二维轮廓线模型压缩方法. 文章从压缩感知的角度解释了谱压缩方法, 并提出了基于压缩感知的二维轮廓线模型压缩方法. 首先利用二维轮廓线模型 Laplace 算子的特征向量构造了一组基. 二维轮廓线模型的几何结构在这组基下可以被稀疏表达. 利用随机矩阵对二维轮廓线模型的几何结构抽样, 完成压缩. 恢复过程中, 通过最优化1-范数, 实现几何信号的恢复. 实验结果表明, 该方法压缩速度快, 比例高, 恢复效果好, 适合对大型数据以及远距离数据进行压缩.     

基于上下文的网格拓扑压缩熵编码方法

提出了一种普遍适用于网格拓扑压缩的高效熵编码方法.不同于以往的单纯利用算术编码或Huffman编码对遍历网格生成的拓扑流进行编码压缩,对这些拓扑流的每个符号先计算其Huffman编码,然后采用基于上下文(已编码序列的倒数第2个符号作为上下文)的算术编码方法来编码其Huffman值,从而实现对网格模型拓扑信息的有效压缩.实验结果表明,熵编码方法普遍适用于各种网格拓扑压缩方法得到的拓扑流的压缩,其压缩结果普遍高于拓扑流序列的熵值——绝大多数拓扑压缩算法各自最好的压缩比.     

三维网格单一位率压缩统一框架的设计与实现

三维网格单一位率压缩技术将网格的几何信息和拓扑连接信息分开独立压缩.进行连接信息压缩时,通常对某种结构表示的网格连接信息进行某种形式的遍历,对遍历过程进行信息编码压缩;压缩几何信息时,一般需要经过量化、预测和熵编码3个处理过程.通过对该类算法进行研究总结,提出并设计了一个针对三角网格的单一位率压缩统一模式框架,并基于OpenGL和Visual C 6.0,以Edgebreaker算法为例进行了实验.     

基于几何与图像混合绘制中的快速WARP变换算法研究

基于几何与图像的混合绘制中，3D Warp算法以严格的数学变换为基础，从而能够保证准确的投影关系，但该算法在实时绘制阶段需进行大量的数学运算，故其时间复杂度较高，该文提出了一种新的快速Warp变换算法，算法以3D Warp算法为基础，采用了崭新的投影过程，从而使时间复杂度较3D Warp算法有较大幅度的下降（降低约7．51倍）。同时，该算法是一种流水结构，能够有效利用现有的加速硬件，而无需改变图形硬件的体系结构。     

基于元学习的多视图对比融合冷启动推荐算法

针对当前冷启动推荐模型在处理异质信息网络时难以充分挖掘结构与语义信息,以及忽略网络中用户行为属性的问题,提出了一种基于元学习的多视图对比融合冷启动推荐算法（MVC-ML）。该算法在模型层和数据层双重作用下,有效缓解了冷启动问题。在MVC-ML算法框架中,首先通过元路径视图提取异质信息网络的高阶语义信息;其次,利用网络模式视图捕获网络的结构特征;再接着,通过聚类视图分析用户行为属性信息;最后,运用对比学习方法,将上述三个视图中提炼的信息进行综合融合,以生成准确的表示向量。通过在DBook等三个数据集上的实验验证,MVC-ML模型在冷启动场景下相较MetaHIN等传统异质信息网络模型,在MAE上降低了1.67%,在RMSE上降低了2.06%,同时nDCG@K提高了1.48%。这些数据充分证实了MVC-ML算法的合理性和有效性。     

面向情境感知的不确定性数据融合策略

情境感知计算是对传感器感知的数据进行融合从而得到用户情境信息的过程。文中针对传感器数据存在的不确定性问题,在Context Toolkit模型的基础上提出了一种面向情境感知的数据融合策略,把数据融合分为底层融合和高层融合,在这两层上分别采用模糊逻辑和动态贝叶斯网络的数据融合方法。仿真实验结果表明,这种将模糊逻辑和动态贝叶斯网络相结合的策略能有效地处理情境感知过程中的不确定数据和信息,从而提高情境感知计算的容错性和准确度。     

基于四叉树的缓存复用机制地形算法

为了减少地形数据的冗余,实现缓存复用,在研究了Geo-CLipmap算法的基础上,针对其采用嵌套网格一次只能渲染单张高程图的方案,提出了一种块状四叉树的数据结构,同时分开存储节点的位置信息和高程信息,有效地减少了数据大小和数据交换,实现了顶点和索引缓存的复用;利用掩膜填充不同分辨率网格之间的缝隙,避免了加入光照后的几何失真,并使用几何过渡消除几何体的跳变。经过实验测试,该算法能有效地压缩数据量,在稳定帧速的情况下,实现地形的无缝渲染。     

基于条件变分自编码的密码攻击算法

使用密码猜测算法是评估用户密码强度和安全性的有效方法,提出一种基于条件变分自编码密码猜测算法PassCVAE。算法基于条件变分自编码模型,将用户个人信息作为条件特征,训练密码攻击模型。在编码器端,分别使用双向循环神经网络（GRU）和文本卷积神经网络（TextCNN）,实现对密码序列和用户个人信息的编码和特征的抽象提取;在解码器端使用两层GRU神经网络,实现对用户个人信息和密码数据隐编码的解码,生成密码序列。该算法可以有效地拟合密码数据的分布和字符组合规律,生成高质量的猜测密码数据。多组实验结果表明,提出的PassCVAE算法优于现有的主流密码猜测算法。     

用于图像分割的局部区域一致性流形约束MRF模型

针对区域马尔可夫随机场(MRF)模型难以有效描述图像复杂先验知识的问题,提出一种基于局部区域一致性流形约束MRF(LRCMC-MRF)模型.首先,所提模型利用高维数据的低维流形分布表征图像局部区域的复杂几何结构先验,建立图像局部区域的流形先验约束;其次,基于Pairwise MRF模型,建立一种包含更多图像局部信息的局部空间自适应MRF模型;最后,基于贝叶斯理论,将复杂局部区域几何结构先验和局部空间自适应统计特征融合,利用Gibbs采样算法对所提出模型进行优化.实验结果表明,与基于常规区域的MRF模型相比,所提出的分割算法具有较好的分割效果.     

虚拟环境中多细节层次模型生成新算法

网格简化在科学计算可视化和虚拟现实等领域具有重要意义,它有利于降低几何模型的复杂度,提高模型实时绘制的速度。本文提出一个基于法向矢量的模型简化算法,算法通过比较顶点法矢与关联三角形法矢的夹角,有序地删除顶点,重组简化模型的拓扑结构。实验结果表明,算法在不影响模型视觉特征的前提下,实现了模型较大幅度的简化。     

基于多层次信息交互的多目标粒子群优化算法

为提高多目标优化算法的收敛性和多样性,提出一种基于多层次信息交互的多目标粒子群优化算法.在该算法中,整个优化过程可分为标准粒子群优化层、粒子进化与学习层和档案信息交换层3个层次.粒子进化与学习层保证了每次迭代都能得到更好的粒子位置;档案信息交换层可以提供更好的全局最优.优化算法各个层次之间通过信息交互,共同提高算法的收敛性和多样性.与NSGA-Ⅱ和MOPSO算法的对比分析表明,所提出算法具有良好的性能,能够有效解决多目标优化问题.     

融合弱层惩罚的卷积神经网络模型剪枝方法

深度卷积神经网络的存储和计算需求巨大,难以在一些资源受限的嵌入式设备上进行部署。为尽可能减少深度卷积神经网络模型在推理过程中的资源消耗,引入基于几何中值的卷积核重要性判断标准,提出一种融合弱层惩罚的结构化非均匀卷积神经网络模型剪枝方法。使用欧式距离计算各层卷积核间的信息距离,利用各卷积层信息距离的数据分布特征识别弱层,通过基于贡献度的归一化函数进行弱层惩罚,消除各层间的差异性。在全局层面评估卷积核重要性,利用全局掩码技术对所有卷积核实现动态剪枝。在CIFAR-10、CIFAR-100和SVHN数据集上的实验结果表明,与SFP、PFEC、FPGM和MIL剪枝方法相比,该方法剪枝得到的VGG16单分支、Resnet多分支、Mobilenet-v1轻量化网络模型在保证精度损失较小的情况下,有效地减少了模型参数量和浮点操作数。     

结构正则化多视图非负矩阵分解

现存非负矩阵分解（non-negative matrix factorization,NMF）研究多考虑单一视图分解数据,忽略了数据信息的全面性。此外,NMF限制其获取数据的内在几何结构。针对以上问题,提出一个结构正则化多视图非负矩阵分解算法（structure regularized multi-view nonnegative matrix factorization,SRMNMF）。首先,通过主成分分析来对数据进行全局结构的判别式学习;其次,利用流形学习来捕获数据的局部结构;然后,通过利用多视图数据的多样性和差异性来学习表征。模型提升了算法聚类的整体性能,更加有效地挖掘数据的结构信息。此外,采用高效的交替迭代算法优化目标函数得到最优的因子矩阵。在六个数据集上与现存的代表性方法比较,所提出的SRMNMF的准确率、NMI和Purity分别最大提高4.4%、6.1%和4.05%。