基于内容的三维模型检索综述

对当前基于内容的三维模型检索技术的国际研究现状及进展进行了广泛而深入的综述 .探讨和分析了基于内容的三维模型检索技术的系统框架及其关键方法 ,重点介绍其中的模型坐标标准化、特征提取与索引、相似性匹配、查询方式与用户界面等方面的基本内容 ,并进行了适当分类 .分析总结了现有的基于内容的三维模型检索系统及搜索引擎的典型实例 .最后 ,对现有研究中存在的难点问题及其未来的发展方向进行了展望 .

基于多模态融合的开放域三维模型检索算法

为了满足开放域下海量新增模型数据的管理和检索需求,提出开放域三维模型检索算法,可以有效地利用多模态信息的语义一致性.借助无监督算法探寻未知样本间的类别信息,利用该类别信息实现网络模型的参数优化,使得网络模型在开放域条件下具有更好的模型表征性能及检索结果.提出基于Transformer结构的层级化多模态信息融合模型,有效地剔除了多模态间的冗余信息,得到鲁棒性更强的模型表征向量.在数据集ModelNet40上进行实验,通过与其他典型算法的对比实验可知,所提方法在mAP指标上优于所有的对比方法,验证了该方法在检索性能提升上的有效性.

探索成渝数字内容产业——三维定位模型的深度剖析

基于数字内容产业的定义、分类以及数字内容产业链的定位与结构,从产业链、细分产业和功能单位这三个维度精细描绘产业定位图。同时,以数字内容产业链的四大影响因素作为理论依据,深入剖析重庆数字内容产业的发展现状,精准把握未来数字内容发展所面临的困难与问题、机遇和挑战,从而为重庆数字内容的产业定位明确方向,并提出重庆数字内容产业的发展策略。

基于不确定相似性度量学习的三维模型草图检索

对于把手绘图像以及三维模型同时映射到一个联合特征嵌入空间和草图噪声给检索性能带来的影响,分析了跨模态匹配和草图噪声。将师生策略和数据不确定学习相结合,构建了一种基于不确定相似性度量学习的三维模型草图检索方法(uncertainty similarity metric learning, USML)。首先利用基于师生策略的三维形状语义相似度度量学习方法代替现有的跨域共享特征嵌入方法以提升检索的效率;然后,受数据不确定学习的启发,采用不确定学习来解决草图中噪声导致的严重过拟合并损害特征学习的问题。在大型公开基准数据集SHREC13和SHREC14上的实验结果验证了方法的有效性。结果表明,与深度点到子空间度量学习(depth point to subspace metric learning, DPSML)、深度相关度量学习(deep correlation metric learning, DCML)及深度相关整体度量学习(deep correlation holistic metric learning, DCHML)等未考虑噪声影响的算法相比,USML对基于抗噪草图的三维形状检索的效率提升至关重要。

面向内容的三维模型数据库设计及其检索系统的实现

目前,对基于内容的三维模型检索的研究主要集中在检索过程所涉及到的算法方面,而对三维模型库的设计研究较少。为此,详细分析了面向内容的三维模型库的建立过程,重点论述三维模型库的组织结构和分类表的设计,提出一种三维模型分类的手工构造方法,开发了三维模型库的管理软件,并研制了三维模型检索的原型系统。其意义在于为三维模型检索研究提供一个结构合理、数据充分的三维模型库,从而为检索算法的研究奠定坚实的基础。

基于内容检索的三维模型语义标注方法研究

随着三维模型数量的迅速增加,三维模型语义检索技术研究的重要性日益凸现。语义标注是语义检索的基础,为了降低人工标注的人力物力成本,提出一种基于内容检索的三维模型语义标注方法。该方法利用基于内容检索的方式在三维模型底层特征与高层语义之间架起了桥梁。首先提取和比对三维模型特征,然后计算特征间的EMD距离、构建相似近邻空间,最后通过近邻投票的方式来传播三维模型标签并最终实现自动标注。对Princeton Shape Benchmark的实验表明,该方法在三维模型的检索和标注等方面均取得了较好的效果。

基于视点对齐的跨域三维模型检索

以草图为输入的三维模型检索便于用户表达搜索需求,已成为一个研究热点。但草图只是三维模型一个视点下的粗略描述,具有很高的抽象性。而且草图和三维模型之间存在巨大的域间差异,这导致目前的草图检索系统准确率低。为解决这一问题,提出了一个新的基于草图的三维模型检索方法。该方法根据草图的视点对三维模型投影产生一组二维视图,形成一对多且视点对齐的草图视图训练数据对。然后采用Canny算子提取视图的多层次伪草图,减小视图和草图的域差异,并采用样本选择和数据增强缓解训练数据不均衡的问题。接下来用伪草图和草图训练三元组网络(triplet network),将伪草图和草图映射到公共特征嵌入空间。最后用Triplet提取特征和建立索引,实现草图检索。实验结果表明:在大型公共数据集SHREC’13和SHREC’14的检索精度分别是70.0%和63.6%,有效提高了检索准确率。

基于注意力机制的三维模型特征提取

目前在基于视图的三维模型检索技术中,对多视图特征提取的大多方法,关注于视图的全局特征信息而忽略了对视图局部特征信息和多视图之间的相关性的探究。针对此问题提出一种新的特征提取方法,利用深度学习中的卷积神经网络,并结合注意力机制提取特征,以提升其判别性。方法在ModelNet40上进行实验分析,将三维模型的多个视图作为输入,在网络层中加入注意力模块进行特征提取分类,结果表明,该方法在分类准确度方面优于已有的典型算法。

基于遗传算法的三维CAD模型多特征融合和检索

为了弥补单一特征对模型形状信息描述能力的不足,本文提出一种基于遗传算法的三维CAD模型多特征融合方法。该方法采用监督学习的模式,首先在训练集中使用不同的特征提取算法获取模型的形状特征,然后基于遗传算法对不同特征在融合时的最优权值进行求解,最后根据最优权值对模型进行多特征的融合,并在此基础上完成对模型的相似性检索。实验结果显示,本文方法的检索性能优于基于评价指标的多特征融合方法。

基于局部形状分布的三维CAD模型检索算法

为了对三维CAD模型的检索结果能够体现模型局部细节特征的相似性差异,提出一种基于局部形状分布的三维CAD模型检索算法。在模型表面选取随机采样点;根据采样点与其邻域内各点的测地距离,构建模型在该区域相应的局部形状分布直方图;通过对比不同模型各自对应的局部形状分布直方图,实现对模型的相似性检索。实验结果表明:本文算法对三维CAD模型的检索性能优于整体形状分布算法和球面谐波算法,使模型的局部细节特征具有更高的分辨能力。

基于局部编码体素化的三维模型分类与检索

针对体素化的三维模型在分类与检索中表达单一、特征信息不足的问题,提出了一种基于局部编码体素化的三维模型分类与检索算法。首先,设计了一种基于局部编码体素化的三维模型生成方法,该方法通过融合三维模型局部空间结构与尺度信息,对三维模型进行局部特征编码,并生成局部编码体素模型。其次,提出了一种三维空间注意力模块,该模块可计算局部编码体素模型的空间位置权重并增强模型的三维空间特征。最后,进一步构建了一种局部编码体素空间卷积神经网络,可用于提取局部编码体素模型的特征描述符,并实现三维模型的分类与检索。实验结果表明,此算法在刚性三维模型数据集ModelNet40、ModelNet10以及ScanObjectNN上的分类准确率分别达到92.1%、94.8%、82.6%,在刚性三维模型数据集ModelNet40、ShapeNet Core55上的检索准确率分别达到94.7%与88.1%。

基于改进的Bi-LSTM的三维模型检索方法研究

设计了一种基于改进的双向长短时记忆网络的三维模型检索方法。首先,利用卷积神经网络提取三维模型视图的低级特征;然后,使用改进的双向长短时记忆网络详细地学习视图之间的关系,提高提取的特征的质量;最后,将得到的特征经过全连接层生成三维模型描述符用于检索。检索时通过计算两个模型之间的欧氏距离来计算相似度。该方法的三维模型分类准确率为96.9%,检索mAP为86.8%,实现了优异的性能。

三维模型检索技术综述

本文介绍了当前三维模型检索技术的研究现状,综述了三维模型检索技术,简要介绍了三维模型检索界面和三维模型检索系统,并对该技术领域的未来发展进行了展望。

基于内容和语义的三维模型检索综述

多媒体信息的检索是信息复用的重要途径。三维模型检索作为三维建模过程中的关键技术之一,近年来随着三维建模的广泛运用而被深入研究。针对目前三维模型检索技术的进展,首先介绍了基于内容的检索技术,按照提取的特征将其分为四类:基于统计数据、基于几何外形、基于拓扑结构和基于视觉特征,分别介绍各类技术的主要成果和优缺点;然后介绍考虑语义信息,解决"语义鸿沟"现象的基于语义的检索方法,根据切入角度将其分为三类:相关性反馈、主动学习和本体技术,随后介绍了各类技术的相互关系与特点;最后总结和提出了三维模型检索的未来研究的发展方向。

XML描述的三维模型检索技术的研究

基于内容的三维模型检索正逐渐成为研究的热点。三维模型描述方式的多样性使三维模型在互联网上实现检索变得困难,采用XML方式描述三维模型可以有效地解决这一问题。探讨了XML方式描述的三维模型的基于内容的检索技术,论述了三维模型检索的原理和系统框架,对其中涉及的关键技术进行了详细的讨论,内容包括三维模型数据结构、三维模型的XML描述方式、三维模型规范化预处理、特征提取、索引建立、相似性匹配以及检索界面的设计。

三维CAD模型检索技术研究现状与发展分析

对目前三维CAD模型检索技术的研究现状和发展趋势进行了阐述。首先给出三维模型检索的体系结构,并从文本检索、内容检索和语义检索3方面对三维CAD模型检索技术国内外研究现状进行了全面论述;分析总结了现有三维CAD模型检索系统及三维CAD模型检索技术的应用;最后对三维CAD模型检索技术存在的问题及未来的发展方向进行了展望。三维CAD模型检索技术将为概念设计、详细设计、工艺/工装设计等产品各设计阶段提供全方位的检索支持手段,可有效促进企业产品模型相关设计和制造信息的重用。

基于法向分类的三维模型形状分布检索算法

给出一种用三个形状分布图来描述三维模型的检索算法。在模型表面任意取点,并记录每个点的法向量。将任意两点连线形成线段,计算该线段的欧几里得距离,再分别计算两端点的法向与该线段的夹角。根据两个夹角的值,将所得线段分成三个集合,并分别构造三个集合的形状分布曲线,通过对模型间三条形状分布曲线的比较,得出两个模型的相似程度,从而实现模型的相似性检索。实验表明,该算法能够较好地实现三维模型检索,检索结果比传统的形状分布算法有较大的改进。

拓扑和形状特征相结合的三维模型检索

针对整体相似性检索算法在局部细节特征上的表达能力不足,提出了一种将拓扑和形状特征相结合的三维模型相似性比较方法.首先提取三维模型的骨架,获得模型的整体拓扑特征;然后根据骨架节点将模型分解为多个子部分,并利用球面谐波算法提取每一个子部分的形状特征.模型的匹配分为3步进行:整体骨架的拓扑特征相似性比较,相对应的子部分的局部形状特征相似性比较,模型总的相似性是整体骨架相似性与对应子部分局部形状相似性的加权和.实验结果表明:该方法从整体到局部、由粗到精,综合考虑了拓扑和形状特征,较传统的考虑单一拓扑或形状特征的检索算法有较高的检索精度,同时又支持基于局部特征的相似性检索.

一种基于拓扑连接图的三维模型检索方法

提出了一种基于分割技术的拓扑连接图构造方法 ,并用于三维模型检索 .首先构造多层邻域计算用于度量每个三角片平坦度的信号值 ,根据这些信号值采用一种改进的分水岭方法把模型分割成不同的曲面片 .然后利用这些曲面片之间的连接关系构造拓扑连接图 .最后通过比较不同模型的拓扑连接图相似性来得到它们的匹配度 ,根据匹配度进行三维模型检索 .

融合制造语义的三维CAD模型检索方法

为了更好地实现面向制造领域的三维CAD模型制造信息的有效重用,提出一种融合制造语义的三维CAD模型检索方法。首先将三维CAD模型转化成以制造特征为基础语义对象的结构化表示的CAD模型,并用制造特征耦合图来表示;然后提取用于评价两个制造特征之间相似性的属性信息,构建多属性融合的制造特征相似性加权评价模型,并以此来构建以制造特征为节点的完全二分图;最后采用最优匹配算法计算出各制造特征的最优匹配方案来计算两个三维CAD模型的相似度,以此作为评价模型相似性的依据。实验结果表明,该方法能够较好地实现融合制造语义的三维CAD模型检索,可以有效地支持面向制造领域的三维CAD模型制造信息的重用。