检索结果-内蒙古大学图书馆

计算机辅助设计与图形学学报 2020年第5期32卷 740-750页

作者：鲜永章姚洋张琮毅盖孟汪国平北京大学信息科学技术学院北京100871 北京市虚拟仿真与可视化工程研究中心北京100871

为了支持简化模型纹理边界、满足模型简化中纹理映射需求,提出了一种参数域边界平直化的模型表面参数化方法.给出了由变换能量、防翻转能量和稀疏能量组成的能量方程.求解时引入辅助变量并求得近似解.实验中分别使用文中方法和已有参数... 详细信息

为了支持简化模型纹理边界、满足模型简化中纹理映射需求,提出了一种参数域边界平直化的模型表面参数化方法.给出了由变换能量、防翻转能量和稀疏能量组成的能量方程.求解时引入辅助变量并求得近似解.实验中分别使用文中方法和已有参数化方法进行比较.在使用缺省参数情况下,文中方法面积和角度扭曲都处于合理范围.将不同参数化方法得到的带纹理模型简化到相同简化率.从简化误差数值和简化后视觉效果进行定量定性分析,都证实了文中方法更具优越性.进一步可以将其应用到游戏、航空等领域.

关键词：平面参数化纹理边界简化边界平直化

来源：评论

学校读者我要写书评

暂无评论

利用一致性检验的多图像中前景物体的自动分割

引用

计算机辅助设计与图形学学报 2017年第6期29卷 1028-1036页

作者：潘成伟张建国陈毅松汪国平北京大学信息科学技术学院北京100871 北京市虚拟仿真与可视化工程研究中心北京100871

图像中前景物体的分割具有十分广泛的应用,传统的方法需要借助一定的人工交互来获得前景物体的初始区域,但对于多图像数据集,这种人工交互的方式是十分烦琐的.为此提出一种基于一致性检验的多图像自动前景物体分割的方法.首先借助一定... 详细信息

图像中前景物体的分割具有十分广泛的应用,传统的方法需要借助一定的人工交互来获得前景物体的初始区域,但对于多图像数据集,这种人工交互的方式是十分烦琐的.为此提出一种基于一致性检验的多图像自动前景物体分割的方法.首先借助一定的三维场景的先验知识在多幅图像之间进行视图转换;然后对图像中的每个像素进行一致性分析,得到初始的前、背景标记结果;最后基于这个初始的标记结果构建相应的能量方程,并进行迭代优化,最终得到前景物体的精确轮廓.实验结果表明,该方法能够准确地检测出图像中前景物体的位置以及提取其轮廓,并能够利用分割的结果进行准确的三维重建.

关键词：三维重建图像分割颜色模型 VisualHull 图割

来源：评论

学校读者我要写书评

暂无评论

尺度可变的快速全局点云配准方法

引用

计算机学报 2019年第9期42卷 1939-1952页

作者：张琮毅魏子庄徐昊文陈毅松汪国平北京大学信息科学技术学院北京100871 北京市虚拟仿真与可视化工程研究中心北京100871

随着三维场景数字化技术的发展,人们获取真实物体三维点云模型的途径愈发丰富.通过设备采集或多视图重建得到的分片点云模型需要进行配准生成完整模型,而由于获取途径不同或设备误差影响,分片点云往往具有放缩尺度不一致,初始相对位置... 详细信息

随着三维场景数字化技术的发展,人们获取真实物体三维点云模型的途径愈发丰富.通过设备采集或多视图重建得到的分片点云模型需要进行配准生成完整模型,而由于获取途径不同或设备误差影响,分片点云往往具有放缩尺度不一致,初始相对位置关系不可靠,特征错配率高且噪声较大等问题.本文提出了一种尺度可变的快速全局点云配准方法,从点云中首先提取局部特征信息并进行匹配,在特征匹配关系确定的情况下,交替优化目标函数中的不同分量,使之快速收敛至最优解.由于目标函数带有鲁棒核,从而对实际问题中不可避免的特征错误匹配所带来的干扰具备较大容错能力.此外,本文设计了完整的端对端点云匹配流程,提出了考虑尺度差异的局部特征匹配方法,且对于高维特征描述子CSHOT使用降维方法大幅提升匹配速度.本文在多种类型的数据中进行测试,实验结果表明,本文方法在处理尺度不一致的点云模型配准问题中兼具效率与效果优势,与点云的初始相对摆放位置无关,且对于噪声较大和特征错配率高的数据均具有稳定性.

关键词：点云配准线性优化局部特征描述子特征匹配目标函数

来源：评论

学校读者我要写书评

暂无评论

精度可控的字典全局相似性点云压缩

引用

计算机辅助设计与图形学学报 2019年第6期31卷 869-877页

作者：曹成坤张琮毅汪国平北京大学信息科学技术学院北京100871 北京市虚拟仿真与可视化工程研究中心北京100871

为了控制三维点云数据的压缩精度,通过对点云空间划分建立字典结构,提出一种压缩精度可控的全局相似性点云压缩方法.首先对点云进行均匀空间划分并离散表示;然后建立一个字典,作为表示该离散数据的一组基以及一套用词条索引表示的数据结... 详细信息

为了控制三维点云数据的压缩精度,通过对点云空间划分建立字典结构,提出一种压缩精度可控的全局相似性点云压缩方法.首先对点云进行均匀空间划分并离散表示;然后建立一个字典,作为表示该离散数据的一组基以及一套用词条索引表示的数据结构;最后通过对字典中相似词条合并实现字典压缩,并通过无损编码实现索引压缩.实验结果表明,在普通PC机环境下对ModelNet和Farman数据集中的2组点云数据,该方法均能进行任意指定精度的压缩.

关键词：点云压缩基于字典的压缩字典相似性空间划分

来源：评论

学校读者我要写书评

暂无评论

全局优化的保约束三维人造模型编辑方法

引用

计算机辅助设计与图形学学报 2019年第5期31卷 698-706页

作者：张琮毅曹成坤王少荣汪国平北京大学信息科学技术学院北京100871 北京市虚拟仿真与可视化工程研究中心北京100871

为了使得全局优化方法能够高效地应用在保约束三维人造模型实时编辑中,提出一套完整的处理方法.首先在模型中预先提取特征点并建立约束方程,分别表示特征点与它们所属几何形状的约束关系以及几何形状之间的约束关系,而通过引入形状参数... 详细信息

为了使得全局优化方法能够高效地应用在保约束三维人造模型实时编辑中,提出一套完整的处理方法.首先在模型中预先提取特征点并建立约束方程,分别表示特征点与它们所属几何形状的约束关系以及几何形状之间的约束关系,而通过引入形状参数作为额外变量,约束均可表示为低阶多项式方程组;在编辑过程中对特征点位置和形状参数同时进行优化,先将约束方程近似为线性方程求得初解,再从初解出发求得原非线性方程的精确解;在得到满足约束的特征点位置后,采用层次化形变策略联动网格模型.文中方法结合交互界面协助用户完成编辑操作,实验结果表明,该方法在普通桌面级计算机上具有较高的计算效率和精度,且能够处理种类丰富的人造模型.

关键词：约束形变语义编辑模型分割特征提取

来源：评论

学校读者我要写书评

暂无评论

结合用户交互行为和资源内容的资源推荐

引用

计算机辅助设计与图形学学报 2014年第5期26卷 747-754页

作者：杨智强殷钊王衡北京大学信息科学技术学院北京100871 北京市虚拟仿真与可视化工程技术研究中心(北京大学) 北京100871

为了更好地管理任务以及与任务相关的资源,使用户集中注意力在任务本身上,减少用户的交互负担,提出一种基于隐式Dirichlet分配(LDA)模型的任务建模方法.通过将用户的交互行为按时间片进行切分,实现了时间片序列—任务—文件与LDA模型中... 详细信息

为了更好地管理任务以及与任务相关的资源,使用户集中注意力在任务本身上,减少用户的交互负担,提出一种基于隐式Dirichlet分配(LDA)模型的任务建模方法.通过将用户的交互行为按时间片进行切分,实现了时间片序列—任务—文件与LDA模型中的文章—主题—单词的对应,经过LDA方法的学习,得到了时间片—任务的概率分布和任务—文件的概率分布;为了对任务模型进行补充,进一步提出了基于资源内容的主题分析方法,并用LDA方法建立了主题模型;最后通过对资源的关联关系分析,实现了一个结合任务模型和主题模型的资源推荐系统.实验结果表明,任务模型能够有效地发现用户的主要任务和主要文件.

关键词：任务模型内容分析隐式Dirichlet分配资源推荐

来源：评论

学校读者我要写书评

暂无评论

大时间步长下体积守恒的实时水体模拟

引用

图学学报 2019年第4期40卷 725-732页

作者：朱奎鑫盖孟赖舜男北京大学深圳研究生院广东深圳518055 北京大学信息科学技术学院北京100871 北京大学北京市虚拟仿真与可视化工程中心北京100871

基于物理的流体仿真可以真实地捕捉水的运动,一种常用的实时模拟方法是基于二维浅水方程进行水体仿真。首先介绍了二维浅水方程,并提出一种新的求解方法,通过一种体积守恒的隐式半拉格朗日方法进行计算,在保持稳定的同时允许较大的时间... 详细信息

基于物理的流体仿真可以真实地捕捉水的运动,一种常用的实时模拟方法是基于二维浅水方程进行水体仿真。首先介绍了二维浅水方程,并提出一种新的求解方法,通过一种体积守恒的隐式半拉格朗日方法进行计算,在保持稳定的同时允许较大的时间步长,然后额外增加修正步以保证计算过程中体积守恒。此外提出了一种基于动量守恒的流固耦合方法,可以实时地模拟出较为真实的水体,并且保证了水体体积始终守恒,效果良好。

关键词：浅水方程半拉格朗日体积守恒大时间步长流固耦合

来源：评论

学校读者我要写书评

暂无评论

改进贝叶斯分类的智能短信分类方法

引用

计算机科学 2014年第10期41卷 31-35页

作者：杨柳殷钊滕建斌王衡汪国平北京市虚拟仿真与可视化工程技术研究中心(北京大学) 北京100871

随着移动通信技术的不断发展,手机的普及率在不断上升,而短信作为传统的移动通信服务,长久以来一直在人们的日常生活中占据着极为重要的位置。可以说,短信在一定程度上记录了人们生活的轨迹。但是,现有的短信管理系统仅对短信进行以联... 详细信息

随着移动通信技术的不断发展,手机的普及率在不断上升,而短信作为传统的移动通信服务,长久以来一直在人们的日常生活中占据着极为重要的位置。可以说,短信在一定程度上记录了人们生活的轨迹。但是,现有的短信管理系统仅对短信进行以联系人为特征分类、以时间为顺序显示的简单非智能化的管理,导致了用户手机中各类短信混杂不清,短信的管理效率极低。通过研究短信的特征,分析传统的基于文档频率的特征值提取方法和基于互信息的特征值提取方法的优势与不足,提出了一种适用于短信的基于词频和互信息的特征值提取方法,并结合短信长度实现了一种改进的贝叶斯分类算法。实验证明,算法在进行短信分类时可以得到相当可观的召回率和准确率。

关键词：短信智能管理文本分类特征值提取贝叶斯分类

来源：评论

学校读者我要写书评

暂无评论

面向微博主题的可视分析研究

引用

软件学报 2018年第4期29卷 1115-1130页

作者：王臻皇陈思明袁晓如机器感知与智能教育部重点实验室(北京大学) 北京100871 北京大学信息科学技术学院北京100871 北京市虚拟仿真与可视化工程技术研究中心(北京大学) 北京100871

随着微博的发展,其影响力日益增大,对微博主题内容进行分析具有重要的价值.主题模型技术能够从文本数据中提取主题,但是,由于微博文本短、随意性大、信息量小等特点,微博主题的分析具有一定的难度.提出了一个微博主题可视分析系统,利用... 详细信息

随着微博的发展,其影响力日益增大,对微博主题内容进行分析具有重要的价值.主题模型技术能够从文本数据中提取主题,但是,由于微博文本短、随意性大、信息量小等特点,微博主题的分析具有一定的难度.提出了一个微博主题可视分析系统,利用多种互相关联的视图与丰富的交互手段,支持用户对主题模型结果进行分析与探索.系统结合了微博数据的特点,引入微博用户与时间因素,支持分析者从多角度对微博主题进行全面分析.系统支持用户在主题可视分析的基础上,通过交互操作对主题进行编辑,从而改进主题模型,提高模型的准确性和可靠性.案例分析结果表明,提出的系统可以有效地帮助用户分析微博主题和修正主题.

关键词：文本可视化主题模型微博主题分析微博可视化微博可视分析

来源：评论

学校读者我要写书评

暂无评论

基于聚类的二维向量场可视化

引用

计算机辅助设计与图形学学报 2014年第10期26卷 1593-1602页

作者：王少荣汪国平北京林业大学信息学院北京100083 北京市虚拟仿真与可视化工程技术研究中心北京100871 北京大学图形与交互技术实验室北京100871

已有的二维流场可视化中,鞍点等临界点是最重要的特征之一.文中从一个新的角度提出一种基于流线聚类的二维向量场可视化方法.首先生成采样流线集合,然后将流线聚类,最后引入共轭法向量场和流线密度矩阵对同一个类的流线进行加速排序.在... 详细信息

已有的二维流场可视化中,鞍点等临界点是最重要的特征之一.文中从一个新的角度提出一种基于流线聚类的二维向量场可视化方法.首先生成采样流线集合,然后将流线聚类,最后引入共轭法向量场和流线密度矩阵对同一个类的流线进行加速排序.在此基础上,提出3种可视化应用:抽取每一类的代表流线进行向量场的流线简洁表达;根据流线之间距离进行多分辨率均匀流线表达;生成权值图,增强基于纹理的向量场可视化.实验结果表明,该方法具有良好的鲁棒性,可视化效果优于已有的方法.

关键词：向量场可视化聚类向量场简化密度矩阵

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：