《電子技術(shù)應(yīng)用》
您所在的位置:首頁(yè) > 人工智能 > 設(shè)計(jì)應(yīng)用 > 基于圖卷積網(wǎng)格自編碼器的網(wǎng)格參數(shù)化
基于圖卷積網(wǎng)格自編碼器的網(wǎng)格參數(shù)化
2020年信息技術(shù)與網(wǎng)絡(luò)安全第10期
高 晨
中國(guó)科學(xué)技術(shù)大學(xué) 數(shù)學(xué)科學(xué)學(xué)院,安徽 合肥230026
摘要: 網(wǎng)格參數(shù)化作為數(shù)字幾何處理的基本工具,在游戲娛樂(lè)、工程設(shè)計(jì)、仿真模擬等多種領(lǐng)域有著廣泛的應(yīng)用背景。傳統(tǒng)的網(wǎng)格參數(shù)化方法大多通過(guò)求解線性系統(tǒng)或者非線性系統(tǒng)獲得結(jié)果,存在著求解速度慢、不夠魯棒的問(wèn)題。提出了一個(gè)基于圖卷積網(wǎng)格自編碼器的網(wǎng)格參數(shù)化模型,采用了圖卷積網(wǎng)格自編碼器的編碼部分與自行構(gòu)建的參數(shù)化解碼部分結(jié)合的方式生成網(wǎng)絡(luò),使用一類(lèi)人臉網(wǎng)格數(shù)據(jù)集作為網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù),并與傳統(tǒng)優(yōu)化算法進(jìn)行對(duì)比。結(jié)果表明,使用建立的網(wǎng)格參數(shù)化模型,在保證參數(shù)化效果的同時(shí),獲得參數(shù)化結(jié)果的速度比SLIM(Scalable Locally Injective Mappings,SLIM)算法快68%,比PP(Progressive Parameterizations)算法快約4倍。
中圖分類(lèi)號(hào): TP393
文獻(xiàn)標(biāo)識(shí)碼: A
DOI: 10.19358/j.issn.2096-5133.2020.10.003
引用格式: 高晨. 基于圖卷積網(wǎng)格自編碼器的網(wǎng)格參數(shù)化[J].信息技術(shù)與網(wǎng)絡(luò)安全,2020,39(10):11-17.
Mesh parameterization based on convolutional mesh autoencoders
Gao Chen
School of Mathematical Science,University of Science and Technology of China,Hefei 230026,China
Abstract: As a basic tool of digital geometry processing, mesh parameterization has a wide range of applications in game entertainment, engineering design, simulation and other fields. Most of the traditional meshing parameterization methods obtain results by solving linear or nonlinear systems. This article presents a mesh parameterization model based on convolutional mesh autoencoders, the network model is generated by the combination of the encoding part of a convolutional mesh autoencoders and the decoding part, and using a class of human face mesh data set as the network training data. The results show that the algorithm is more than 68 percent faster than the SLIM(Scalable Locally Injective Mappings)algorithm and more than four times faster than the PP(Progressive Parameterizations)algorithm, while the parameters of the mesh parameterization are used to ensure the parameterization effect.
Key words : mesh parameterization;convolutional neural network;autoencoders;convolutional mesh autoencoders

0 引言

    網(wǎng)格參數(shù)化在計(jì)算機(jī)圖形學(xué)與數(shù)字幾何處理有著廣泛的應(yīng)用,例如紋理貼圖、細(xì)節(jié)映射、網(wǎng)格編輯、網(wǎng)格修復(fù)、重網(wǎng)格化、曲面擬合等。因?yàn)槿切尉W(wǎng)格擁有著簡(jiǎn)單的幾何特性,是網(wǎng)格曲面的一種主要表示形式,因此對(duì)于三角形網(wǎng)格的參數(shù)化也一直是參數(shù)化研究的熱點(diǎn)。三角形網(wǎng)格的參數(shù)化是建立在流形曲面與參數(shù)域之間的一一映射,三角形網(wǎng)格被映射到參數(shù)域?yàn)槎S平面的參數(shù)化,被稱(chēng)為平面參數(shù)化。

    1963年,TUTTE W T[1]提出重心映射定理,證明了網(wǎng)格模型中,一個(gè)頂點(diǎn)的坐標(biāo)可以表示為其鄰接頂點(diǎn)坐標(biāo)的加權(quán)組合,這為網(wǎng)格參數(shù)化提供了理論基礎(chǔ),基于這個(gè)定理,ECK M等人[2]和FLOATER M S[3]描述了一種簡(jiǎn)單的參數(shù)化方法,將每個(gè)內(nèi)部頂點(diǎn)表示為其相鄰頂點(diǎn)的凸組合。使用不同的權(quán)重設(shè)置,獲得了不同的參數(shù)化,著名的權(quán)值方法有余切權(quán)值和均值權(quán)值,然而,重心坐標(biāo)法要求網(wǎng)格的邊界固定在平面上的凸多邊形上,這是一種任意的方法,通常會(huì)導(dǎo)致明顯的失真。

    若三角形網(wǎng)格在映射前后邊長(zhǎng)發(fā)生了變化,稱(chēng)之為等距失真,若三角形網(wǎng)格在映射前后角度發(fā)生了變化,則將其稱(chēng)之為共形失真。為了衡量這些失真,一些扭曲度量函數(shù)相繼被提出,例如保形能量[4]和MIPS能量[5],它們都是為保持映射前后的角度而設(shè)計(jì)的能量;格林-拉格朗日變形能量、ARAP能量[6],則要求映射為等距映射,保持映射前后的長(zhǎng)度。考慮到失真度量大多是高度非線性函數(shù),因此開(kāi)始產(chǎn)生一些非線性的參數(shù)化方法,例如:基于角度的拍平化法[7]及其改進(jìn)方法 ABF++[8]、基于最小二乘的保角參數(shù)化[4]、最等距參數(shù)化法[5]、局部全局參數(shù)化方法[6]等。




本文詳細(xì)內(nèi)容請(qǐng)下載:http://m.xxav2194.com/resource/share/2000003129




作者信息:

高  晨

(中國(guó)科學(xué)技術(shù)大學(xué) 數(shù)學(xué)科學(xué)學(xué)院,安徽 合肥230026)

此內(nèi)容為AET網(wǎng)站原創(chuàng),未經(jīng)授權(quán)禁止轉(zhuǎn)載。
主站蜘蛛池模板: 老师你的兔子好软水好多的车视频| r18bl各种play高h| 欧美精品xxxxbbbb| 国产av无码久久精品| 2019中文字幕在线| 忘忧草日本在线播放www| 五月婷婷丁香六月| 激情五月激情综合| 四虎电影免费观看网站| 欧美性bbwbbw| 在线播放无码后入内射少妇| 中日韩一区二区三区| 欧洲肉欲K8播放毛片| 伊人青青草视频| 色婷婷久久综合中文网站| 国产精品午夜剧场| jizz国产精品网站| 日本一本二本免费播放视频| 亚洲国产精品一区二区久久| 精品久久久久久无码人妻热 | 大学生a级毛片免费观看| 久久一本岛在免费线观看2020| 国产漂亮白嫩的美女| 天天操夜夜操免费视频| 久久AV无码精品人妻出轨| 欧美BBBWBBWBBWBBW| 亚洲精品无码高潮喷水在线| 美女扒开大腿让男人桶| 国产大片黄在线播放| 1300部小u女视频大全合集| 夫不再被公侵犯美若妻| 久久99精品久久久久久噜噜| 最近高清中文在线国语字幕| 亚洲精品无码av人在线观看| 精品国产系列在线观看| 国产亚洲精彩视频| 日本亚洲精品色婷婷在线影院| 在线观看国产一区亚洲bd| 一级特黄录像免费播放肥| 日本夜爽爽一区二区三区| 亚洲一区二区三区无码中文字幕 |