基于参考图像的原子模型渲染方法

伴随着生物学的发展与纳米电子器件仿真技术的进步,原子结构在现代化科技领域发挥至关重要的作用。原子结构的复杂细节使得渲染效果受光源位置影响较大,导致了原子模型渲染工作的困难。基于此,提出了一种基于参考图像的原子模型渲染方法,计算出参考图像的光照参数用于原子模型的渲染。首先,通过改变光源位置,利用POV-Ray脚本实现不同光源角度下的批量模型渲染,采集光源位置参数及渲染图像得到对应光源位置的渲染图像数据集;接着,以残差神经网络为主干设计光源估计网络,并在网络中嵌入注意力机制提升网络准确性,使用优化后的光源估计网络对数据集进行训练,回归光源位置参数;最后将训练好的卷积神经网络应用于参考图像的渲染参数估计中,利用渲染参数渲染目标模型。实验结果显示。通过网络预测的参数与真实照明参数误差极小,具有高度可靠性。     

面向可展特征的网格模型去噪方法

可展特征是三维网格模型的常见几何特征。为了更好地对具备可展特征的网格模型进行去噪,提出一种面向可展特征的网格模型去噪方法。首先基于变分形状逼近策略分割可展区域,识别出网格模型上可展特征区域,并对分割区域进行基于可展性度量的合并和划分,改进现有L₀去噪算法中针对非均匀噪声网格的正则优化表达项,引入三角网格顶点的可展度量项,利用可展特征的曲面法向量L₀范数的优化问题求解实现网格模型的去噪。通过对多个模型数据集中的大量模型数据进行处理,验证了该方法的有效性。实验表明,结合模型的可展特性的去噪方法在保持模型的几何特征特别是可展特征上效果优于已有方法。