基于孔洞填充的残缺模型模糊特征表达及其重用建模研究

The retrieval and reuse technology of existing 3D model resources effectively shortens product development cycle, reduces product cost and improves product quality. However, the incomplete information of 3D model reduces the reuse quality. In this project, the incomplete 3D model is taken as the research object, and the fuzzy feature representation and subdivision surface reconstruction are studied. The shape correlation is established between the incomplete model and its complete one by filling incomplete model with detail prevailing method. The reliability function of filling model is introduced to construct the fuzzy feature representation based on the fusion of visual features and reliability.3D models including possible incomplete models are retrieved under the reliability constraint to meet user's design requirements. To reconstruct the subdivision surface of retrieval model, the study explores the relationship between the interpolation and approximation subdivision, and deduces the unified framework for ternary interpolation and approximation subdivision schemes with fast convergence. The transformation of two different schemes and the shape adjustment of reconstructed surface are achieved by adjusting subdivision parameters. This research provides a beneficial supplement for 3D model reuse, and actively promotes the application in the fields of product design, antiques restoration, prosthetic surgery and role modeling in game and animation and so on.

三维模型的检索重用能有效地缩短产品的开发周期、降低产品的成本并提高产品的质量，但是部分模型的信息缺失降低了模型重用的质量。本项目以三维模型中的残缺模型为研究对象，围绕残缺模型的模糊特征表达和细分曲面重建展开研究，拟构建局部细节保持的残缺模型孔洞填充，通过填充模型搭建残缺模型与其完整模型的形状关联。引入填充模型的可靠度量函数，建立视觉特征和可靠度融合的模糊特征表达形式，在可靠度约束下检索满足用户设计意图的可能残缺模型。对检索模型进行细分曲面重建，探寻逼近细分和插值细分的内在联系，推导快速收敛的ternary插值细分和逼近细分的统一框架，通过调整细分参数实现逼近和插值的模式转换以及重建曲面的形状调整。本项目研究是三维模型重用问题研究的有益补充，积极推动三维模型在产品设计、文物修复、假体外科以及游戏动画的角色建模等领域的应用。

为了检索到符合用户设计意图的完整模型和可能的残缺模型，以及对三维模型重建以满足用户再设计的需求，本项目给出局部细节保持的残缺模型孔洞填充，在残缺模型和其完整模型间建立形状关联，挖掘三维模型的形状特征和语义信息，构建具有较高识别能力的模型特征表达。划分检索的对象，在可靠度约束下给出残缺模型和完整模型的无差异检索，以及文本、图像和模型等异构数据的跨模态检索。引入生成对抗网络构造模型生成框架，重建尖锐特征保持的稠密三维点云模型。.项目的主要研究内容及重要结果具体为：（1）在残缺数据的填充方面，提出基于非负矩阵分解和基于样例的区域匹配两种填充算法，解决形状复杂、缺失区域较大的空洞填充问题；（2）在三维模型的特征表达方面，提出基于数据分类、基于协同表示的图导向判别和基于动态图的多视图特征学习三种降维方法，在简化模型特征表达的同时提高模型特征的识别能力；（3）在三维模型的检索方面，根据不同的检索对象设计相应的检索方法。对于残缺模型，将孔洞填充与聚类和可靠度约束相结合提出两种残缺模型的检索方法，使不同残缺程度的三维模型和其对应的完整模型具有相同的检索结果；对于完整模型，给出基于多视角群对深度特征学习和基于多视点双注意模型两种检索方法，提高三维模型的检索精度。对于文本、图像和模型等异构数据，提出基于对抗网络的跨模态双子空间学习、基于相关对齐的深层语义跨模态哈希和基于判别协同映射三种跨模态检索方法，减少不同模态数据的语义鸿沟；（4）在三维模型的重建方面，给出基于重描述的稠密点云模型重建和基于级联生成网络的点云模型重建两种方法，较好地保持重建模型的细节局部特征。.本项目发表SCI期刊论文20篇，EI会议论文(含CCF B)3篇，授权发明专利6项，软件著作权1项，专著1部，承担与本项目相关的横向课题1项，到账经费100万；培养及协助培养青年教师3名，硕士和博士研究生7名；赴荷兰作访问学者，参加国内外学术会议9次。