加强内容感知的绘制方法与技术

Rendering is one of the major topics of computer graphics, which has been taking more and more important effect in applications, such as visual analytics, virtual reality and film production. One reason for this is that the rendered images are intuitive, very helpful to understand and recognize the model contents. To further increase the efficiency of model understanding via rendered images, which is very useful to improve applications, many approaches have been studied including view selection and enhancement rendering. With view selection, good views are obtained to watch contents as many as possible, by which the model can be rendered in fewer times for a comprehensive understanding. With enhancement rendering, shading/color variation is investigated to highlight the important contents, and so the contents are easier to watch for understanding. Till now, much progress has been made to promote model understanding via rendering, but some fundamental problems and key techniques have not been investigated comprehensively, such as semantic correspondence between model contents and model features, the impact of shading/color variation on highlighting contents, adaptation treatment in view selection and enhancement rendering under constraint conditions in complicated circumstances, selecting suitable features to measure and fast computation techniques. This project will perform study in these aspects, aiming at providing theoretical fundaments to improve perception of contents via rendering, and developing advanced rendering methods and techniques to have model contents be more perceptible, to more efficiently suit the applications.

图形绘制是计算机图形学中的重要研究内容，已在实践应用中发挥了越来越重要的作用，如可视分析、虚拟现实、影视制作等。在此的一个重要原因是，绘制的图形图象以其直观的形象展示提高了人对模型内容认识的效率。为使模型内容得到更好的感知以提高工作效率，视点选择研究如何找到好的视点以看到更多的内容，由此减少观察次数；增强绘制研究光照/色彩的变化以凸出重要内容的表达，由此提高每次成像的观察效率。但这些旨在加强内容感知的绘制处理，在一些基础问题和关键技术方面还缺乏深入的研究，如内容与模型特征之间的语义关联性、光照/色彩变化对内容表达效率的影响、复杂环境下有约束条件的自适应处理、度量特征的有效选择及其快速计算等。本项目将在这些方面开展研究，以为内容感知增强的绘制提供一套理论基础，并提出一系列新的绘制处理方法和技术，以使绘制处理能更有效地满足实践应用的需求。

本项目研究加强内容感知的绘制方法和技术，旨在使图形图像内容的呈现能更便捷地为人所感知，提高观察理解的效率。为此，我们针对内容感知特征的度量、提取和呈现等方面进行了深入研究，取得许多国际先进水平的成绩，为内容感知增强的绘制提供了一套图形图像处理体系。在视点选择方面，我们提出新的采样方法，只在预估有好视点的区域进行采样，克服了已有视点采样方法的盲目性，能极大地节省采样数目以加速，并保证所得好视点的可靠性，避免了已有方法可能误将差视点选作好视点的不足。关于视点度量，我们提出多种新方法，特别是提出一种基于代理信息的度量方法，将度量计算的复杂度由O(N)降至O(1)，很好地提高了视点度量的效率。我们还探讨了视点选择在模型摆正、虚拟漫游、视频重组等方面的应用，很好地提高了重要内容表达的可感知性。对于复杂、动态场景的绘制，我们加强了细节表达，增强了这些现象的可感知性。特别是我们研究了图像内容关于边特征的优化表达及基于边特征的图像内容区分，由此将图像编辑、视频内容分割、图像插值、图像空洞填补等进行基于内容的处理，而不像已有方法那样基于像素处理，很好地提高了处理结果的可信性和处理效率。对于模型的骨架表达和分割，我们提出新方法提高了线性骨架表达的中心性和简洁性，且使模型的分割边界更符合人的感知，由此增强了模型内容表达的有效性。在本项目中，我们依据可感知特征进行了图像矢量化表达、压缩、重用、视频拼接的稳定性等方面的研究，很好地提高了重要内容呈现的可感知性和计算效率。并且，在定位计算、皱褶布料模型的压缩等方面，我们也提出了国际先进水平的工作，比如所提出的点在多面体内的判定方法，在空间需求、计算效率等方面，相比已有工作有大幅的提高。总之，本项目很好地完成了研究任务，并在若干方面进行应用拓展，取得很好的成效。本项目已发表40篇论文（含接受），其中有CCF-A论文10篇、CCF-B论文8篇、CCF-C论文4篇，SCI论文20篇，EI论文35篇。