CN106980878B - 三维模型几何风格的确定方法及装置 - Google Patents

三维模型几何风格的确定方法及装置 Download PDF

Info

Publication number
CN106980878B
CN106980878B CN201710196982.XA CN201710196982A CN106980878B CN 106980878 B CN106980878 B CN 106980878B CN 201710196982 A CN201710196982 A CN 201710196982A CN 106980878 B CN106980878 B CN 106980878B
Authority
CN
China
Prior art keywords
geometric
style
geometric element
elements
dimensional model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710196982.XA
Other languages
English (en)
Other versions
CN106980878A (zh
Inventor
胡瑞珍
黄惠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen University
Original Assignee
Shenzhen University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen University filed Critical Shenzhen University
Priority to CN201710196982.XA priority Critical patent/CN106980878B/zh
Publication of CN106980878A publication Critical patent/CN106980878A/zh
Application granted granted Critical
Publication of CN106980878B publication Critical patent/CN106980878B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • G06F18/241Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明实施例提供了一种三维模型几何风格的确定方法及装置,其中,该方法包括:获取一组包括已知不同风格的同类物体的三维模型,从每个三维模型上获取第一预设数量的几何元素,获取的所有几何元素组成初始几何元素集,每个几何元素具有风格标签;针对每个风格,在初始几何元素集内具有该风格的风格标签的几何元素中,选择出密度大于预设阈值的几何元素组成该风格的候选几何元素集;针对每个风格,在所有风格的候选几何元素集中,选择出用于区分该风格与其他风格的且用于完整描述该风格的三维模型的几何元素,组成该风格的典型几何元素集,该典型几何元素集中包括该风格的三维模型必须具备的几何元素和该风格的三维模型不允许具备的几何元素。

Description

三维模型几何风格的确定方法及装置
技术领域
本发明涉及三维模型技术领域,特别涉及一种三维模型几何风格的确定方法及装置。
背景技术
由于风格样式是一种抽象且较为主观的一个概念,而人们常常描述风格样式(例如,欧式风格、日式风格的家具)也是用一些较为模糊的和非描述性的语言对其进行表述,目前并没有方法能将风格样式这种高层次的语义信息转换成一些低层次的客观具体描述。
目前的计算机图形学领域,针对三维模型的几何风格分析相关研究不断增多,但并没有工作提出了能直接解决我们所要攻克问题的技术。接下来,我们将分别介绍以下几种现有的与风格样式分析相关的工作。
第一种:图像上的风格和内容分析。
目前,二维图像上的风格样式分析已存在着很多工作,其中的风格样式能被大致看作有意义的分组中的一系列特征。Doersch等人的研究工作提出从一个庞大的图像数据集中寻找能代表特殊地理位置的图像块,并把这些图像块的内容当作一个特殊地点的风格。
除了搜索代表一个地理位置的静态图像块,Lee等人还提出关注于动态的视觉元素并寻找那些随时间或地理位置逐渐变化的图像块。找到的这些对风格敏感的视觉元素后,他们的方法是建立这些元素与数据库的联系,并建立随时间或空间的范围变化模型。Arietta等人还提出将风格标签概括为一些非视觉属性,如城市中的房价。与Lee等人的工作相似的是,该方法首先检测了能区分一个属性的视觉元素,但是随后训练出一个关联视觉元素到属性的预测器。
此外,也出现了概括图片内容的方法,例如,Avidan和Shamir等人提出的线裁剪方法,以及Simakov等人提出的的二向相似性方法。这些方法的目的是保留独特的视觉内容来概括图片,而不是简单地缩放或裁剪一张图片。
虽然Doersch等人提出的方法不是直接使用聚类方法来获得代表性的图像块,而是采样那些能区分一个地理位置的图像块,因而不会受到大量的不相关的元素所影响。在他们问题的设定中,一个独立的图像块能被单独作为一个地理位置的代表,无需进行任何特征选择和建立典型风格元素,但是,其主要是针对于二维图像领域。
第二种:风格类比。
早期关于风格类别分析的工作主要针对于曲线。Lang和Alexa等人在最近的研究中通过用隐马尔科夫模型捕获曲线样本的特征分布来进行合成。而Ma等人将类比方法应用到三维模型上,他们寻找一个与输入模型类似的样本模型,然后合成一个与输入模型结构相似的模型,再进行风格类比分析。但是,该风格类比的方法需要建立输入模型和初始模型之间的联系,以及源模型和目标模型之间的类比关系。
第三种:协同风格分析。
风格的协同分析是使用一个根据风格归类的数据集,而不是单独的三维模型或训练集,来提取风格特征。Xu等人的工作预先设定了部件之间的比例作为风格的特征,并实行了一个前向协同分析来对不同的风格的特征变化进行归类。Li等人的分析方法则是针对曲线风格的分析。
迄今为止试图利用数据驱动寻找风格特征的研究中,Xu的研究技术预先将部件之间的比例设定为了风格的评价和分类准则,Li等人的技术则是局限在局部曲线的分析之中,并且对曲线风格特征的分组是基于一系列人手创造的规则。
第四种:度量风格相似性。
对于研究风格的另外一个途径是定义一个全局的风格相似性度量。虽然这个相似性度量将衡量考虑两个模型风格之间的多个特征,但仍没有具体精确地提取出定义风格的相关元素集。Lun等人定义了一个跨结构的相似性度量来比较两个三维模型之间的风格样式。Liu等人采用了众包的方式来评估三维家具模型之间风格的兼容性。他们的风格兼容性矩阵需要输入模型标准一致地分割,再量化它们之间的风格相似度。
目前最新关于几何风格分析的研究中,Liu等人的研究工作是对全局的三维模型分析,只是得到一个风格相似性的度量,并没有得到可以解释风格的元素,且他们的风格相似性矩阵是基于在获得输入模型一致分割的基础下获得的。Lun等人的研究则是需要在三维模型之间适配比例,以生成一个几何风格相似性度量。
发明内容
本发明实施例提供了一种三维模型几何风格的确定方法,以解决现有技术中针对三维模型不能同时区分风格样式且完整解释风格样式的技术问题。该方法包括:获取一组包括已知不同风格的同类物体的三维模型,从每个三维模型上获取第一预设数量的几何元素,获取的所有几何元素组成初始几何元素集,其中,所述几何元素是三维模型上的几何区域块,每个几何元素具有与自身所在的三维模型相同的风格标签;针对每个风格,在所述初始几何元素集内具有该风格的风格标签的几何元素中,选择出密度大于预设阈值的几何元素组成该风格的候选几何元素集;针对每个风格,在所有风格的候选几何元素集中,选择出用于区分该风格与其他风格的且用于完整描述该风格的三维模型的几何元素,组成该风格的典型几何元素集,其中,该典型几何元素集中包括该风格的三维模型必须具备的几何元素和该风格的三维模型不允许具备的几何元素。
在一个实施例中,从每个三维模型上获取第一预设数量的几何元素,包括:将每个三维模型用点来表示,采用泊松圆盘采样法在每个三维模型上采集第二预设数量的点,并将所述第二预设数量的点中邻近的点用边连接在一起构成一个邻近网,其中,每一个点的测地邻近点由6个点组成;在所述第二预设数量的点中均匀采样所述第一预设数量的点,在所述邻近网上,分别将所述第一预设数量的点作为曲面块的中心,向外扩散生成所述第一预设数量的曲面片,得到所述第一预设数量的几何元素。
在一个实施例中,针对每个风格,在所述初始几何元素集内具有该风格的风格标签的几何元素中,选择出密度大于预设阈值的几何元素组成该风格的候选几何元素集,包括:针对每个风格,在所述初始几何元素集内,对具有该风格的风格标签的几何元素在元素相似性空间采用密度分析方法,计算每个几何元素的密度,将密度处于峰值且密度大于预设阈值的几何元素选择出来组成该风格的候选几何元素集。
在一个实施例中,在所有风格的候选几何元素集中,针对每个风格,选择出用于区分该风格与其他风格的且用于完整描述该风格的三维模型的几何元素,组成该风格的典型几何元素集之前,还包括:针对所有风格的候选几何元素集中的每个几何元素,通过以下步骤得到该几何元素的距离度量,该距离度量用于表示该几何元素与其他几何元素之间的相似性:统计该几何元素邻近的几何元素的风格标签,将统计数量最大的风格标签作为主导风格标签,将统计数量达到最大统计数量的二分之一的风格标签也作为主导风格标签,将初始几何元素集中风格标签与所述主导风格标签相同且与该几何元素的侧地距离小于预设值的几何元素作为该几何元素的正例,将初始几何元素集中风格标签与所述主导风格标签不相同的几何元素作为该几何元素的反例,利用正例和反例训练线性SVM(SupportVector Machine,支持向量机)检测器,得到一个该几何元素与其他几何元素之间各特征向量对应的权重向量,该权重向量用于度量该几何元素与其他几何元素之间距离;根据得到的所述权重向量将初始几何元素集中风格标签与所述主导风格标签相同且与该几何元素的距离小于预设值的几何元素作为该几何元素的正例,将初始几何元素集中风格标签与所述主导风格标签不相同的几何元素作为该几何元素的反例,利用正例和反例训练线性SVM检测器,再次得到一个该几何元素与其他几何元素之间各特征向量对应的新的权重向量,循环上述步骤,直至得到的最终权重向量不再变化,则将最终权重向量作为该几何元素的距离度量。
在一个实施例中,在所有风格的候选几何元素集中,针对每个风格,选择出用于区分该风格与其他风格的且用于完整描述该风格的三维模型的几何元素,组成该风格的典型几何元素集,包括:生成每个三维模型的词向量,该词向量是一个多维向量,词向量的维数由所有风格的候选几何元素集中的几何元素构成,每一维统计了该维对应的几何元素在该三维模型上出现的次数;针对每个风格,根据每个三维模型的词向量中各维对应的次数和最小冗余最大相关标准,在所有风格的候选几何元素集中选择出第三预设数量的几何元素组成中间几何元素集;针对每个风格,循环以下步骤得到该风格的第一区分几何元素集,该第一区分几何元素集中的几何元素用于区分该风格与其他风格:采用分类器分别计算所述中间几何元素集中的每个几何元素作为训练集的准确率,将准确率最大的几何元素从中间几何元素集移入第一区分几何元素集,继续采用分类器计算第一区分几何元素集中的几何元素分别与当前中间几何元素集中每个几何元素的并集作为训练集的准确率,将当前中间几何元素集中准确率最大的几何元素移入所述第一区分几何元素集,循环上述步骤,直至第一区分几何元素集对应的准确率不变,停止迭代,得到该风格的第一区分几何元素集;针对每个风格,循环以下步骤得到该风格的典型几何元素集:采用分类器对中间几何元素集中除去第一区分几何元素集后剩下的每个几何元素作为训练集分别计算准确率,将准确率最大的几何元素从中间几何元素集移入第二区分几何元素集,继续采用分类器计算第二区分几何元素集中的几何元素分别与当前中间几何元素集中每个几何元素的并集作为训练集的准确率,将当前中间几何元素集中准确率最大的几何元素移入所述第二区分几何元素集,循环上述步骤,直至第二区分几何元素集对应的准确率不变,停止迭代,得到该风格的第二区分几何元素集;循环上述得到第二区分几何元素集的步骤,直至准确率小于0.9,停止迭代,得到该风格的多个区分几何元素集,将多个区分几何元素集合并,得到该风格的典型几何元素集。
在一个实施例中,生成每个三维模型的词向量,包括:在该三维模型上取第四预设数量的曲面片,并将该三维模型的词向量初始化为零向量;针对每个几何元素,根据该几何元素的距离度量分别计算该几何元素与每个曲面片的相似性,在相似性小于负1时,该几何元素与曲面片不相似,词向量中该几何元素对应的次数保持不变,在相似性大于负1时,该几何元素与曲面片相似,将词向量中该几何元素对应的次数加1;将词向量的每一维除以所述第四预设数量对该词向量进行归一化。
在一个实施例中,每个几何元素具有该几何元素在自身所在的三维模型上的结构位置信息。
本发明实施例还提供了三维模型几何风格的确定装置,以解决现有技术中针对三维模型不能同时区分风格样式且完整解释风格样式的技术问题。该装置包括:初始几何元素获取模块,用于获取一组包括已知的不同风格的同类物体的三维模型,从每个三维模型上获取第一预设数量的几何元素,获取的所有几何元素组成初始几何元素集,其中,所述几何元素是三维模型上的几何区域块,每个几何元素具有与自身所在的三维模型相同的风格标签;候选几何元素获取模块,用于针对每个风格,在所述初始几何元素集内具有该风格的风格标签的几何元素中,选择出密度大于预设阈值的几何元素组成该风格的候选几何元素集;风格确定模块,用于在所有风格的候选几何元素集中,针对每个风格,选择出用于区分该风格与其他风格的且用于完整描述该风格的三维模型的几何元素,组成该风格的典型几何元素集,其中,该典型几何元素集中包括该风格的三维模型必须具备的几何元素和该风格的三维模型不允许具备的几何元素。
在一个实施例中,所述初始几何元素获取模块,包括:采集单元,用于将每个三维模型用点来表示,采用泊松圆盘采样法在每个三维模型上采集第二预设数量的点,并将所述第二预设数量的点中邻近的点用边连接在一起构成一个邻近网,其中,每一个点的测地邻近点由6个点组成;初始几何元素获取单元,用于在所述第二预设数量的点中均匀采样所述第一预设数量的点,在所述邻近网上,分别将所述第一预设数量的点作为曲面块的中心,向外扩散生成所述第一预设数量的曲面片,得到所述第一预设数量的几何元素。
在一个实施例中,所述候选几何元素获取模块,具体用于针对每个风格,在所述初始几何元素集内,对具有该风格的风格标签的几何元素在元素相似性空间采用密度分析方法,计算每个几何元素的密度,将密度处于峰值且密度大于预设阈值的几何元素选择出来组成该风格的候选几何元素集。
在一个实施例中,还包括:距离优化模块,用于在针对每个风格,选择出用于区分该风格与其他风格的且用于完整描述该风格的三维模型的几何元素,组成该风格的典型几何元素集之前,针对所有风格的候选几何元素集中的每个几何元素,通过以下步骤得到该几何元素的距离度量,该距离度量用于表示该几何元素与其他几何元素之间的相似性:统计该几何元素邻近的几何元素的风格标签,将统计数量最大的风格标签作为主导风格标签,将统计数量达到最大统计数量的二分之一的风格标签也作为主导风格标签,将初始几何元素集中风格标签与所述主导风格标签相同且与该几何元素的侧地距离小于预设值的几何元素作为该几何元素的正例,将初始几何元素集中风格标签与所述主导风格标签不相同的几何元素作为该几何元素的反例,利用正例和反例训练线性SVM检测器,得到一个该几何元素与其他几何元素之间各特征向量对应的权重向量,该权重向量用于度量该几何元素与其他几何元素之间距离;根据得到的所述权重向量将初始几何元素集中风格标签与所述主导风格标签相同且与该几何元素的距离小于预设值的几何元素作为该几何元素的正例,将初始几何元素集中风格标签与所述主导风格标签不相同的几何元素作为该几何元素的反例,利用正例和反例训练线性SVM检测器,再次得到一个该几何元素与其他几何元素之间各特征向量对应的新的权重向量,循环上述步骤,直至得到的最终权重向量不再变化,则将最终权重向量作为该几何元素的距离度量。
在一个实施例中,所述风格确定模块,包括:词向量生成单元,用于生成每个三维模型的词向量,该词向量是一个多维向量,词向量的维数由所有风格的候选几何元素集中的几何元素构成,每一维统计了该维对应的几何元素在该三维模型上出现的次数;几何元素选择单元,用于针对每个风格,根据每个三维模型的词向量中各维对应的次数和最小冗余最大相关标准,在所有风格的候选几何元素集中选择出第三预设数量的几何元素组成中间几何元素集;区分几何元素集获取单元,用于针对每个风格,循环以下步骤得到该风格的第一区分几何元素集,该第一区分几何元素集中的几何元素用于区分该风格与其他风格:采用分类器分别计算所述中间几何元素集中的每个几何元素作为训练集的准确率,将准确率最大的几何元素从中间几何元素集移入第一区分几何元素集,继续采用分类器计算第一区分几何元素集中的几何元素分别与当前中间几何元素集中每个几何元素的并集作为训练集的准确率,将当前中间几何元素集中准确率最大的几何元素移入所述第一区分几何元素集,循环上述步骤,直至第一区分几何元素集对应的准确率不变,停止迭代,得到该风格的第一区分几何元素集;风格确定单元,用于针对每个风格,循环以下步骤得到该风格的典型几何元素集:采用分类器对中间几何元素集中除去第一区分几何元素集后剩下的每个几何元素作为训练集分别计算准确率,将准确率最大的几何元素从中间几何元素集移入第二区分几何元素集,继续采用分类器计算第二区分几何元素集中的几何元素分别与当前中间几何元素集中每个几何元素的并集作为训练集的准确率,将当前中间几何元素集中准确率最大的几何元素移入所述第二区分几何元素集,循环上述步骤,直至第二区分几何元素集对应的准确率不变,停止迭代,得到该风格的第二区分几何元素集;循环上述得到第二区分几何元素集的步骤,直至准确率小于0.9,停止迭代,得到该风格的多个区分几何元素集,将多个区分几何元素集合并,得到该风格的典型几何元素集。
在一个实施例中,所述词向量生成单元,包括:曲面片获取子单元,用于在该三维模型上取第四预设数量的曲面片,并将该三维模型的词向量初始化为零向量;词向量生成子单元,用于针对每个几何元素,根据该几何元素的距离度量分别计算该几何元素与每个曲面片的相似性,在相似性小于负1时,该几何元素与曲面片不相似,将词向量中该几何元素对应的次数保持不变,在相似性大于负1时,该几何元素与曲面片相似,将词向量中该几何元素对应的次数加1;归一化子单元,用于将词向量的每一维除以所述第四预设数量对该词向量进行归一化。
在一个实施例中,每个几何元素具有该几何元素在自身所在的三维模型上的结构位置信息。
在本发明实施例中,针对每个风格,确定了该风格的典型几何元素集,该典型几何元素集中既包括了该风格的三维模型必须具备的几何元素又包括了该风格的三维模型不允许具备的几何元素,实现了通过典型几何元素集中的几何元素在可以区分该风格与其他风格的同时,还可以完整地描述该风格中三维模型的风格样式。由于几何元素是三维模型上的几何区域块,各风格的典型几何元素集的确定,使得可以将风格样式这种高层次的语义信息转换成一些低层次的客观具体描述,以便于应用,例如,需要确定某个三维模型的风格时,将待确定风格的三维模型与某种风格的典型几何元素集中的几何元素进行比对,即可确定该待确定风格的三维模型是否属于该风格;例如,在需要进行某一风格的三维模型建模时,则可以直接使用该风格的典型几何元素集中的几何元素进行搭建,使得有利于三维模型的建模便捷。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,并不构成对本发明的限定。在附图中:
图1是本发明实施例提供的一种三维模型几何风格的确定方法的流程图;
图2是本发明实施例提供的一种包括已知的不同风格的同类物体的示意图;
图3是本发明实施例提供的一种初始几何元素集的示意图;
图4是本发明实施例提供的一种候选几何元素集的示意图;
图5是本发明实施例提供的一种候选几何元素集中几何元素的示意图;
图6是本发明实施例提供的一种典型几何元素集的示意图;
图7是本发明实施例提供的一种词向量的示意图;
图8是本发明实施例提供的一种典型几何元素集中的反例在三维模型上出现频率的示意图;
图9是本发明实施例提供的一种典型几何元素集中的正例在三维模型上出现频率的示意图;
图10是本发明实施例提供的一种区分几何元素集的示意图;
图11是本发明实施例提供的一种三维模型几何风格的确定装置的结构框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施方式和附图,对本发明做进一步详细说明。在此,本发明的示意性实施方式及其说明用于解释本发明,但并不作为对本发明的限定。
在本发明实施例中,提供了一种三维模型几何风格的确定方法,如图1所示,该方法包括:
步骤101:获取一组包括已知不同风格的同类物体的三维模型,从每个三维模型上获取第一预设数量的几何元素,获取的所有几何元素组成初始几何元素集,其中,所述几何元素是三维模型上的几何区域块,每个几何元素具有与自身所在的三维模型相同的风格标签;
步骤102:针对每个风格,在所述初始几何元素集内具有该风格的风格标签的几何元素中,选择出密度大于预设阈值的几何元素组成该风格的候选几何元素集;
步骤103:针对每个风格,在所有风格的候选几何元素集中,选择出用于区分该风格与其他风格的且用于完整描述该风格的三维模型的几何元素,组成该风格的典型几何元素集,其中,该典型几何元素集中包括该风格的三维模型必须具备的几何元素和该风格的三维模型不允许具备的几何元素。
由图1所示的流程可知,在本发明实施例中,针对每个风格,确定了该风格的典型几何元素集,该典型几何元素集中既包括了该风格的三维模型必须具备的几何元素又包括了该风格的三维模型不允许具备的几何元素,实现了通过典型几何元素集中的几何元素在可以区分该风格与其他风格的同时,还可以完整地描述该风格中三维模型的风格样式。由于几何元素是三维模型上的几何区域块,各风格的典型几何元素集的确定,使得可以将风格样式这种高层次的语义信息转换成一些低层次的客观具体描述,以便于应用,例如,需要确定某个三维模型的风格时,将待确定风格的三维模型与某种风格的典型几何元素集中的几何元素进行比对,即可确定该待确定风格的三维模型是否属于该风格;例如,在需要进行某一风格的三维模型建模时,则可以直接使用该风格的典型几何元素集中的几何元素进行搭建,使得有利于三维模型的建模便捷。
具体实施时,输入的三维模型是一组属于同一个大类的已知不同风格的三维模型集,由模型设计专家根据风格对三维模型分好组并赋予相应的风格标签。具体的,输入的可以是各种类别物体的三维模型,例如,可以是不同风格的家具类模型、酒具类模型、汽车类模型或不同风格的建筑类模型等,例如,以家具为例,如图2所示,其中,家具的大类别可以包含像桌子、椅子、床等更多具体小类的物体类别,将三维模型按照风格分组,并在集合上方都标有风格标签。使用这样的输入能很好地支持特征选择,而且,与风格类比中由众包产生的数据相比较,由专家标注三维模型风格的输入方式更可靠,可以减少带入的数据噪声。
具体实施时,在本实施例中,通过以下方式在每个三维模型上获取几何元素,以获取上述初始几何元素集。从每个三维模型上获取第一预设数量的几何元素,包括:将每个三维模型用点来表示,采用泊松圆盘采样法在每个三维模型上采集第二预设数量的点,并将所述第二预设数量的点中邻近的点用边连接在一起构成一个邻近网,其中,每一个点的测地邻近点由6个点组成;在所述第二预设数量的点中均匀采样所述第一预设数量的点,在所述邻近网上,分别将所述第一预设数量的点作为曲面块的中心,向外扩散生成所述第一预设数量的曲面片,得到所述第一预设数量的几何元素。
具体的,为了处理非流形的三维模型,我们先将每一个三维模型用一系列点来表示,再用这些点来构建和近似曲面片,获取的曲面片即为几何元素。例如,对于每一个三维模型,我们首先在其表面进行泊松圆盘采样,采样的点的个数(即上述第二预设数量)可以为NS=20000,并将采样点中邻近的采样点用边连接在一起构成一个邻近网。这里点和点之间的距离我们采用的是测地距离,而每一个点的测地邻近点由K=6个点组成。随后,我们再在这些点中均匀采样NP=200个点(即上述第一预设数量的点),分别用它们作为曲面块的中心,在上面构造的邻近网上逐渐往外扩散生成曲面片,该曲面片即为获取的几何元素。其中,经实验测试,我们将曲面片的生长半径τ设定为三维模型包围盒对角线长度的9%。
具体实施时,获取的每一个几何元素随后可以用一系列的几何特征来表示。在计算特征时,我们假设所有输入的三维模型的朝向都默认为直立的。我们首先对曲面片计算了一系列点层面的特征,例如,可以包括点的曲率、显著性、环境光遮蔽、平均测地距离、相对高度、法向与朝上方向的夹角、形状直径和基于主成分分析线性、平面性和球面性等特征。然后,对每一个点层面的特征,以曲面片为单位收集它们的值并创建直方图。我们的直方图根据各几何特征的需求,维数在16到64之间。我们还用了曲面片层面的特征作为补充,包括曲面片的点特征直方图和欧式形状分布。
具体实施时,在获取上述初始几何元素集后,由于初始几何元素集的一个问题是存在着大量相似的元素,且不是所有的元素都能表现风格特征,为了避免处理大量相似或者无关的元素,进一步获取在一个风格三维模型上频繁出现的几何元素,在本实施例中,通过以下方式获取各风格的候选几何元素集,候选几何元素集中的几何元素作为典型风格几何元素集的组成基元。针对每个风格,在所述初始几何元素集内具有该风格的风格标签的几何元素中,选择出密度大于预设阈值的几何元素组成该风格的候选几何元素集,包括:针对每个风格,在所述初始几何元素集内,对具有该风格的风格标签的几何元素在元素相似性空间采用密度分析方法,计算每个几何元素的密度,将密度处于峰值且密度大于预设阈值的几何元素选择出来组成该风格的候选几何元素集。该密度峰值与同一个风格的初始几何元素集的聚类中心相关联,所以,通过仅挑选密度处于峰值的元素,我们能避免选择到多余的相似元素;同时,因为这些元素是密度峰值,它们会频繁出现在某一风格之中,更有可能成为典型风格元素。如图3所示,为在三维模型上提取的几何元素用一些平面二维的点表示,点的不同形状代表不同的风格样式,距离代表了不同几何元素之间的相似性,可以看到,初始几何元素集中的几何元素并没有明显的聚类,通过本实施例选出的候选几何元素集如图4所示,基于密度分析,我们采样了一些候选几何元素(由图4中圆圈中心点表示),侧面的插图显示了圆圈中心点对应的模型上的几何元素(如图4中右侧面的插图中圆圈标示的部分)。
具体的,为了以较为鲁棒的方式计算密度,我们在这里用到了Rodriguez和Laio在2014年的研究中的聚类方法。这个方法的设定是聚类中心会被附近更低密度值的元素所包围,并与其他更高密度值的元素保持相对远的距离。具体地,对具有同一风格的风格标签的几何元素,我们首先根据几何元素的特征计算任意两个几何元素ei和ej的距离,并记为dij,然后某个几何元素ei的局部密度ρi将被定义为:
ρi=∑jχ(dij-dc) (1)
其中,当x<1时,指示函数χ(x)=1,否则,指示函数χ(x)为0;dc为截断距离,在这里设置dc为所有元素间距离值从小到大排序之后的第2%个值。随后一个元素到其他高密度元素的距离被定义为δi
Figure BDA0001257612460000111
而密度最高的元素被作为特例,其到其他高密度元素的距离被定义为δi=maxjdij
最后,我们将所有的几何元素按照δi从大到小排序,并取其中前K个元素作为我们的候选几何元素集。其中,K如原文中介绍由密度方差γi=ρiδi决定。在图5中,展示了通过该方法得到的几个密度峰值的几何元素(如图5中的灰度阴影所示)的例子,这些几何元素能代表不同风格特征的区域块,例如一些弯曲的末端和拐角。
具体实施时,先前我们所用的两个曲面片的距离计算方法同时考虑了它们所有的特征并一致对待,并没有对真正与给定风格相关的特征赋予更高的权重。为了让几何元素间的比较对风格区分更为敏感,在本实施例中,我们利用每个模型给定的风格标签,对每一个候选几何元素学习一个专门的距离度量函数,该距离度量用来度量在考虑了这个候选几何元素的风格标签的前提下其他几何元素与其的相似程度,该距离度量使得与候选几何元素相似的几何元素和该候选几何元素的距离更近,使得与候选几何元素不相似的几何元素和该候选几何元素的距离更远,即优化其他几何元素到候选几何元素之间的距离,例如,基于图4中的几何元素,对每一个候选几何元素,基于它的邻近点(即圆圈中除了中心点之外的其他点),学习出一个定义了其他几何元素和它之间的相似性的距离度量。这些专门的距离度量随后会被用于最终的典型风格元素选取。
例如,通过以下方式确定几何元素的距离度量。在所有风格的候选几何元素集中,针对每个风格,选择出用于区分该风格与其他风格的且用于完整描述该风格的三维模型的几何元素,组成该风格的典型几何元素集之前,上述方法还包括:针对所有风格的候选几何元素集中的每个几何元素,通过以下步骤得到该几何元素的距离度量,该距离度量用于表示该几何元素与其他几何元素之间的相似性:统计该几何元素邻近的几何元素的风格标签,将统计数量最大的风格标签作为主导风格标签,将统计数量达到最大统计数量的二分之一的风格标签也作为主导风格标签,将初始几何元素集中风格标签与所述主导风格标签相同且与该几何元素的侧地距离小于预设值的几何元素作为该几何元素的正例,将初始几何元素集中风格标签与所述主导风格标签不相同的几何元素作为该几何元素的反例,利用正例和反例训练线性SVM(Support Vector Machine,支持向量机)检测器,得到一个该几何元素与其他几何元素之间各特征向量对应的权重向量,该权重向量用于度量该几何元素与其他几何元素之间距离;根据得到的所述权重向量将初始几何元素集中风格标签与所述主导风格标签相同且与该几何元素的距离小于预设值的几何元素作为该几何元素的正例,将初始几何元素集中风格标签与所述主导风格标签不相同的几何元素作为该几何元素的反例,利用正例和反例训练线性SVM检测器,再次得到一个该几何元素与其他几何元素之间各特征向量对应的新的权重向量,循环上述步骤,直至得到的最终权重向量不再变化,则将最终权重向量作为该几何元素的距离度量。需要提到的是,一旦主导风格标签确定下来后,会在后续循环迭代过程中保持固定不变。
具体实施时,上述线性SVM检测器的训练结果是对所有风格的候选几何元素集中的每个候选几何元素都得到一个距离度量,该距离度量即是一个该候选几何元素与其他几何元素之间各特征向量对应的权重向量wi,得到权重向量wi后,对于任何一个几何元素ej,其和候选几何元素ci之间的相似性将被定义为:
Figure BDA0001257612460000131
其中,xj为几何元素ej的特征向量。通过求解凸优化的权重学习可以参考现有技术中Shrivastava在2011年的研究工作,在处理过程中显示出了该检测子具有很好的鲁棒性。
具体实施时,在本实施例中,通过以下步骤组合所有风格的候选几何元素集中的几何元素来确定各风格的典型几何元素集,例如,基于图4所示的候选几何元素,如图6所示,通过组合这些候选几何元素来获取用于定义各种风格的典型几何元素集,如红色所代表的风格样式可用几何元素E1+E2+E3组合起来定义。具体的,在本实施例中,在所有风格的候选几何元素集中,针对每个风格,选择出用于区分该风格与其他风格的且用于完整描述该风格的三维模型的几何元素,组成该风格的典型几何元素集,包括:
(1)生成每个三维模型的词向量,该词向量是一个多维向量,词向量的维数由所有风格的候选几何元素集中的几何元素构成,每一维统计了该维对应的几何元素在该三维模型上出现的次数,该次数的大小表示该维对应的几何元素是否属于该三维模型的风格标签;
(2)针对每个风格,根据每个三维模型的词向量中各维对应的次数和最小冗余最大相关标准,在所有风格的候选几何元素集中选择出第三预设数量的几何元素组成中间几何元素集;
(3)针对每个风格,循环以下步骤得到该风格的第一区分几何元素集,该第一区分几何元素集中的几何元素用于区分该风格与其他风格:
采用分类器【该分类器可以是现有技术的中任意分类器,算法不需要做任何改变,例如,为了简单方便,我们可以采用KNN(k-Nearest Neighbor,K最近邻)分类器】分别计算所述中间几何元素集中的每个几何元素作为训练集的准确率,将准确率最大的几何元素从中间几何元素集移入第一区分几何元素集,继续采用分类器计算第一区分几何元素集中的几何元素分别与当前中间几何元素集中每个几何元素的并集作为训练集的准确率,将当前中间几何元素集中准确率最大的几何元素移入所述第一区分几何元素集,循环上述步骤,直至第一区分几何元素集对应的准确率不变,停止迭代,得到该风格的第一区分几何元素集;
(4)针对每个风格,循环以下步骤得到该风格的典型几何元素集:
采用分类器对中间几何元素集中除去第一区分几何元素集后剩下的每个几何元素作为训练集分别计算准确率,将准确率最大的几何元素从中间几何元素集移入第二区分几何元素集,继续采用分类器计算第二区分几何元素集中的几何元素分别与当前中间几何元素集中每个几何元素的并集作为训练集的准确率,将当前中间几何元素集中准确率最大的几何元素移入所述第二区分几何元素集,循环上述步骤,直至第二区分几何元素集对应的准确率不变,停止迭代,得到该风格的第二区分几何元素集;循环上述得到第二区分几何元素集的步骤,直至准确率小于0.9,停止迭代,得到该风格的多个区分几何元素集,将多个区分几何元素集合并,得到该风格的典型几何元素集。
具体的,在上述步骤(1)生成每个三维模型的词向量的过程中,在本实施例中,生成每个三维模型的词向量,包括:在该三维模型上取第四预设数量的曲面片,并将该三维模型的词向量初始化为零向量;针对每个候选几何元素,根据该几何元素的距离度量分别计算该几何元素与每个曲面片的相似性,在相似性小于负1时,该几何元素与曲面片不相似,词向量中该几何元素对应的次数保持不变,在相似性大于负1时,该几何元素与曲面片相似,将词向量中该几何元素对应的次数加1;然后,将词向量的每一维除以第四预设数量对该词向量进行归一化,词向量经过归一化之后,每一维的数值都是0-1之间的数。
具体的,可以根据词袋模型的概念,我们用向量t来代表每个候选几何元素在每一个三维模型上出现的频率,t称之为这个三维模型的词向量(term vector),t是一个m维向量,其中,m是所有风格的候选几何元素集中的几何元素的个数。t中的每一维是统计了某候选几何元素出现在该三维模型上的次数,并随后用模型上的所有元素的数量进行归一化。如果某一相关几何元素没有出现在三维模型上,则对应的维度值就为零。
例如,为了对给定的三维模型s计算词向量,我们采用与获取初始几何元素时相似的流程,从s的表面提取200(即上述第四预设数量)个曲面片作为几何元素。然后,我们仅保留与所有风格的候选几何元素集中的几何元素组成的数据集C中的元素相似的元素,再通过统计剩下来的元素来计算词向量中相应维度的值,最后将词向量的每一维除以第四预设数量对词向量进行归一化。为了在s中找到与C中候选几何元素相似的元素,这里使用了先前基于SVM的距离度量来比较两个曲面片的相似性。与前面为每一个几何元素在候选采样过程中计算相似性度量的方法相似,给定一个几何元素e∈s,对于每个候选几何元素c∈C,我们利用前面提到的公式(3)计算相似性Sc(e)。随后,我们通过判断相似性是否大于阈值τp=-1,来判断几何元素e是否是候选几何元素c相似的元素,例如,在相似性小于负1时,该几何元素与曲面片不相似,词向量中该几何元素对应的次数保持不变,在相似性大于负1时,该几何元素与曲面片相似,将词向量中该几何元素对应的次数加1。如图7所示,图7表示了三个来自于两个不同风格集的三维模型的词向量示意图。在所有向量中,关联到词向量的同一维度意味着关联到同一个候选几何元素。例如,(a)中的模型有两个区域关联到第二维度中,而(b)中的模型只有一个区域关联到第二维中。(c)中的三维模型风格与(a)和(b)不同,关联到了更多不同的维度。
具体实施时,本申请通过一个全新的包含两层循环的迭代方法来完成典型几何元素集的确定,通过内层循环实现就有区分度的区分几何元素集的选取,外层循环通过不断地调用内层循环从而得到多组高区分度的区分几何元素集,并将多组区分几何元素集组合成典型几何元素集。
具体的,内循环结合了两个特征选择的算法选择出能区分风格的区分几何元素集:一个过滤方法紧接着是一个包装方法。传统的包装特征选择方法采样了很多元素的组合并使用一个分类器来测试他们的区分能力。这些方法在选择有区分度的特征时比较效率,但重复训练和使用分类器使得这个过程非常费时。因此,我们先采用过滤方法选择候选元素集中的一个候选集F∈C(C是指所有风格的候选几何元素集中的几何元素组成的数据集),再用包装方法进行精细选择。值得注意的是,我们对每一个风格进行单独的特征选择,此时每个三维模型的词向量对应的是一个是否属于某一风格的二元标签。
具体地,为了筛选掉那些不具有区分能力的几何元素,在生成每个三维模型的词向量后,在上述步骤(2)中根据每个三维模型的词向量中各维对应的次数和最小冗余最大相关标准,在所有风格的候选几何元素集中选择出第三预设数量的几何元素组成中间几何元素集。例如,可以首先用Peng等人在2005年的工作中提到的最小冗余最大相关(MRMR)标准来进行有效果的过滤,并根据三维模型词向量中各维对应的次数只保留20(即上述第三预设数量)个几何元素。这里的核心思想是有区分度的元素应该与其标签具有很强的相关性。这样的性质能被量化为搜索风格标签与词向量之间最大相关性。此外,即使不同元素都有着良好的算法表现,也不一定能保证他们的组合能得到好的分类结果。因此,还需要保证寻找的元素之间冗余度最小化。
然后,通过上述步骤(3)从中间几何元素集中选出各风格的第一区分几何元素集,例如,我们用由Webb和Copsey等人在2011年的工作中提出的一个标准的封包特征选择算法,即前序特征选择算法,从中间几何元素集F中,选择具有显著区分度的几何元素组合成第一区分几何元素集。这个方法通过交叉验证的分类器来测试几何元素的区分能力,并返回一个区分度高的第一区分几何元素集εi。我们用k近邻方法(KNN)作为分类器。此时,这样对候选元素实施的特征选择方法会比仅应用MRMR标准更为有效。
更具体地,假设我们有一个已经挑选出来的第一区分几何元素集ε1,剩余的元素集记为R=F-ε1。然后对于每个元素rj∈R,我们用KNN分类器测试ε1∪{rj}的区分度表现(即计算准确率),然后将10层交叉验证的结果平均。我们将平均表现最好(即准确率最大)的rj添加到ε1中;将rj从R中除去后,继续用KNN分类器测试ε1与R中每个几何元素的并集的准确率,将R中准确率最大的几何元素添加到ε1;这个过程从一个空的ε1开始,连续循环上述过程,直到没有更多提升分类结果的几何元素加入为止,停止迭代,得到第一区分几何元素集ε1。初始的第一区分几何元素集ε1为空集。注意到,在我们问题的设定中,这里每一个几何元素对应词向量的一个维度。
具体实施时,在上述特征选择确定第一区分几何元素集ε1过程中,我们有一个有趣的发现是它能选出具有区分度的正例和反例。也就是说,我们在给定一个风格情况下去描述一个模型时,有些几何元素是应该出现在该风格的三维模型上的,即为正例;有些几何元素是不应该出现在该风格的三维模型上的,即为反例。为了判定这个风格元素是正例还是反例,我们可检验该几何元素区分出来的所有模型,计算与该几何元素在这些三维模型中出现的频率直方图,然后基于这个直方图,我们就可判定该几何元素是否为正例。例如,如果某几何元素不出现在某风格的所有三维模型中,意味着与0值有关的维的频率会很高,则该元素就是一个反例,如图8所示,该几何元素(如图8中左侧示例中的灰度阴影所示)几乎没有出现在该风格的模型中,图8中右边直方图的横坐标表示针对某一个风格,该几何元素在这个风格的所有三维模型的词向量中对应的维度的数值,竖坐标表示词向量中该维度为某个数值的三维模型在所有三维模型中的百分比,可见,反例中频率为0的维占比最高。图9示出了正例的示意图,根据直方图(图9中直方图的横纵坐标的含义与图8中直方图的横纵坐标的含义相同)显示,该几何元素出现在该风格很多三维模型之中。
具体实施时,在外循环中,通过上述步骤(4)确定每个风格的典型几何元素集。例如,我们通过合并那些从内循环中被选出的具有区分度的区分几何元素集,生成一个更大的典型风格元素集。从空的典型几何元素集开始,每一次内循环的迭代,我们都对典型几何元素集进行扩充,然后将选出来的区分几何元素集在备选集中移除,再进入下一次内循环。我们在分类器的效果(即准确率)低于0.9的时候停止迭代,并最终在这外循环中得到一个能完整描述一个风格的典型风格元素集。例如,如图10所示,以儿童风格家具模型为例,每一次迭代(即一次内循环)所选择出来的具有区分度的几何元素,在每次迭代中,得到的区分几何元素集包括正例和反例,左边展示了两个正例,而右边展示的是两个反例。
例如,给定一个分为n个风格的数据集,我们得到对应的典型几何元素集为D={D1,D2,D3...Dn},每一个对应于一个风格。对于风格j,我们定义Dj为能区分风格的区分几何元素集的并集,如
Figure BDA0001257612460000171
其中,mj为风格j的区分几何元素集的数量。每一个典型几何元素集Dj刻画了具有风格j的三维模型,包含了应该出现和不该出现在该风格三维模型上的几何元素。Dj这些元素集能被作用在与风格样式相关的应用场合中,例如,能在与风格有关的建模中发挥应用价值。
具体实施时,为了进一步提高各风格的典型几何元素集在应用中的价值,在本实施例中,每个几何元素具有该几何元素在自身所在的三维模型上的结构位置信息,即每个几何元素具有在三维模型上的定位。即典型几何元素集中的每个几何元素具有其在自身所在的三维模型上的结构位置信息,例如,在与风格有关的建模应用中,可以直接在相应风格的典型几何元素集中选择几何元素直接进行搭建。
基于同一发明构思,本发明实施例中还提供了一种三维模型几何风格的确定装置,如下面的实施例所述。由于三维模型几何风格的确定装置解决问题的原理与三维模型几何风格的确定方法相似,因此三维模型几何风格的确定装置的实施可以参见三维模型几何风格的确定方法的实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图11是本发明实施例的三维模型几何风格的确定装置的一种结构框图,如图11所示,该三维模型几何风格的确定装置包括:
初始几何元素获取模块1101,用于获取一组包括已知的不同风格的同类物体的三维模型,从每个三维模型上获取第一预设数量的几何元素,获取的所有几何元素组成初始几何元素集,其中,所述几何元素是三维模型上的几何区域块,每个几何元素具有与自身所在的三维模型相同的风格标签;
候选几何元素获取模块1102,用于针对每个风格,在所述初始几何元素集内具有该风格的风格标签的几何元素中,选择出密度大于预设阈值的几何元素组成该风格的候选几何元素集;
风格确定模块1103,用于在所有风格的候选几何元素集中,针对每个风格,选择出用于区分该风格与其他风格的且用于完整描述该风格的三维模型的几何元素,组成该风格的典型几何元素集,其中,该典型几何元素集中包括该风格的三维模型必须具备的几何元素和该风格的三维模型不允许具备的几何元素。
在一个实施例中,所述初始几何元素获取模块,包括:采集单元,用于将每个三维模型用点来表示,采用泊松圆盘采样法在每个三维模型上采集第二预设数量的点,并将所述第二预设数量的点中邻近的点用边连接在一起构成一个邻近网,其中,每一个点的测地邻近点由6个点组成;初始几何元素获取单元,用于在所述第二预设数量的点中均匀采样所述第一预设数量的点,在所述邻近网上,分别将所述第一预设数量的点作为曲面块的中心,向外扩散生成所述第一预设数量的曲面片,得到所述第一预设数量的几何元素。
在一个实施例中,所述候选几何元素获取模块,具体用于针对每个风格,在所述初始几何元素集内,对具有该风格的风格标签的几何元素在元素相似性空间采用密度分析方法,计算每个几何元素的密度,将密度处于峰值且密度大于预设阈值的几何元素选择出来组成该风格的候选几何元素集。
在一个实施例中,还包括:距离优化模块,用于在针对每个风格,选择出用于区分该风格与其他风格的且用于完整描述该风格的三维模型的几何元素,组成该风格的典型几何元素集之前,针对所有风格的候选几何元素集中的每个几何元素,通过以下步骤得到该几何元素的距离度量,该距离度量用于表示该几何元素与其他几何元素之间的相似性:统计该几何元素邻近的几何元素的风格标签,将统计数量最大的风格标签作为主导风格标签,将统计数量达到最大统计数量的二分之一的风格标签也作为主导风格标签,将初始几何元素集中风格标签与所述主导风格标签相同且与该几何元素的侧地距离小于预设值的几何元素作为该几何元素的正例,将初始几何元素集中风格标签与所述主导风格标签不相同的几何元素作为该几何元素的反例,利用正例和反例训练线性SVM检测器,得到一个该几何元素与其他几何元素之间各特征向量对应的权重向量,该权重向量用于度量该几何元素与其他几何元素之间距离;根据得到的所述权重向量将初始几何元素集中风格标签与所述主导风格标签相同且与该几何元素的距离小于预设值的几何元素作为该几何元素的正例,将初始几何元素集中风格标签与所述主导风格标签不相同的几何元素作为该几何元素的反例,利用正例和反例训练线性SVM检测器,再次得到一个该几何元素与其他几何元素之间各特征向量对应的新的权重向量,循环上述步骤,直至得到的最终权重向量不再变化,则将最终权重向量作为该几何元素的距离度量。
在一个实施例中,所述风格确定模块,包括:词向量生成单元,用于生成每个三维模型的词向量,该词向量是一个多维向量,词向量的维数由所有风格的候选几何元素集中的几何元素构成,每一维统计了该维对应的几何元素在该三维模型上出现的次数;几何元素选择单元,用于针对每个风格,根据每个三维模型的词向量中各维对应的次数和最小冗余最大相关标准,在所有风格的候选几何元素集中选择出第三预设数量的几何元素组成中间几何元素集;区分几何元素集获取单元,用于针对每个风格,循环以下步骤得到该风格的第一区分几何元素集,该第一区分几何元素集中的几何元素用于区分该风格与其他风格:采用分类器分别计算所述中间几何元素集中的每个几何元素作为训练集的准确率,将准确率最大的几何元素从中间几何元素集移入第一区分几何元素集,继续采用分类器计算第一区分几何元素集中的几何元素分别与当前中间几何元素集中每个几何元素的并集作为训练集的准确率,将当前中间几何元素集中准确率最大的几何元素移入所述第一区分几何元素集,循环上述步骤,直至第一区分几何元素集对应的准确率不变,停止迭代,得到该风格的第一区分几何元素集;风格确定单元,用于针对每个风格,循环以下步骤得到该风格的典型几何元素集:采用分类器对中间几何元素集中除去第一区分几何元素集后剩下的每个几何元素作为训练集分别计算准确率,将准确率最大的几何元素从中间几何元素集移入第二区分几何元素集,继续采用分类器计算第二区分几何元素集中的几何元素分别与当前中间几何元素集中每个几何元素的并集作为训练集的准确率,将当前中间几何元素集中准确率最大的几何元素移入所述第二区分几何元素集,循环上述步骤,直至第二区分几何元素集对应的准确率不变,停止迭代,得到该风格的第二区分几何元素集;循环上述得到第二区分几何元素集的步骤,直至准确率小于0.9,停止迭代,得到该风格的多个区分几何元素集,将多个区分几何元素集合并,得到该风格的典型几何元素集。
在一个实施例中,所述词向量生成单元,包括:曲面片获取子单元,用于在该三维模型上取第四预设数量的曲面片,并将该三维模型的词向量初始化为零向量;词向量生成子单元,用于针对每个几何元素,根据该几何元素的距离度量分别计算该几何元素与每个曲面片的相似性,在相似性小于负1时,该几何元素与曲面片不相似,词向量中该几何元素对应的次数保持不变,在相似性大于负1时,该几何元素与曲面片相似,将词向量中该几何元素对应的次数加1;归一化子单元,用于将词向量的每一维除以所述第四预设数量对该词向量进行归一化。
在一个实施例中,每个几何元素具有该几何元素在自身所在的三维模型上的结构位置信息。
在本发明实施例中,针对每个风格,确定了该风格的典型几何元素集,该典型几何元素集中既包括了该风格的三维模型必须具备的几何元素又包括了该风格的三维模型不允许具备的几何元素,实现了通过典型几何元素集中的几何元素在可以区分该风格与其他风格的同时,还可以完整地描述该风格中三维模型的风格样式。由于几何元素是三维模型上的几何区域块,各风格的典型几何元素集的确定,使得可以将风格样式这种高层次的语义信息转换成一些低层次的客观具体描述,以便于应用,例如,需要确定某个三维模型的风格时,将待确定风格的三维模型与某种风格的典型几何元素集中的几何元素进行比对,即可确定该待确定风格的三维模型是否属于该风格;例如,在需要进行某一风格的三维模型建模时,则可以直接使用该风格的典型几何元素集中的几何元素进行搭建,使得有利于三维模型的建模便捷。
显然,本领域的技术人员应该明白,上述的本发明实施例的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明实施例不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (12)

1.一种三维模型几何风格的确定方法,其特征在于,包括:
获取一组包括已知不同风格的同类物体的三维模型,从每个三维模型上获取第一预设数量的几何元素,获取的所有几何元素组成初始几何元素集,其中,所述几何元素是三维模型上的几何区域块,每个几何元素具有与自身所在的三维模型相同的风格标签;
针对每个风格,在所述初始几何元素集内具有该风格的风格标签的几何元素中,选择出密度大于预设阈值的几何元素组成该风格的候选几何元素集;
针对每个风格,在所有风格的候选几何元素集中,选择出用于区分该风格与其他风格的且用于完整描述该风格的三维模型的几何元素,组成该风格的典型几何元素集,其中,该典型几何元素集中包括该风格的三维模型必须具备的几何元素和该风格的三维模型不允许具备的几何元素;
在所有风格的候选几何元素集中,针对每个风格,选择出用于区分该风格与其他风格的且用于完整描述该风格的三维模型的几何元素,组成该风格的典型几何元素集,包括:
生成每个三维模型的词向量,该词向量是一个多维向量,词向量的维数由所有风格的候选几何元素集中的几何元素构成,每一维统计了该维对应的几何元素在该三维模型上出现的次数;
针对每个风格,根据每个三维模型的词向量中各维对应的次数和最小冗余最大相关标准,在所有风格的候选几何元素集中选择出第三预设数量的几何元素组成中间几何元素集;
针对每个风格,循环以下步骤得到该风格的第一区分几何元素集,该第一区分几何元素集中的几何元素用于区分该风格与其他风格:
采用分类器分别计算所述中间几何元素集中的每个几何元素作为训练集的准确率,将准确率最大的几何元素从中间几何元素集移入第一区分几何元素集,继续采用分类器计算第一区分几何元素集中的几何元素分别与当前中间几何元素集中每个几何元素的并集作为训练集的准确率,将当前中间几何元素集中准确率最大的几何元素移入所述第一区分几何元素集,循环上述步骤,直至第一区分几何元素集对应的准确率不变,停止迭代,得到该风格的第一区分几何元素集;
针对每个风格,循环以下步骤得到该风格的典型几何元素集:
采用分类器对中间几何元素集中除去第一区分几何元素集后剩下的每个几何元素作为训练集分别计算准确率,将准确率最大的几何元素从中间几何元素集移入第二区分几何元素集,继续采用分类器计算第二区分几何元素集中的几何元素分别与当前中间几何元素集中每个几何元素的并集作为训练集的准确率,将当前中间几何元素集中准确率最大的几何元素移入所述第二区分几何元素集,循环上述步骤,直至第二区分几何元素集对应的准确率不变,停止迭代,得到该风格的第二区分几何元素集;循环上述得到第二区分几何元素集的步骤,直至准确率小于0.9,停止迭代,得到该风格的多个区分几何元素集,将多个区分几何元素集合并,得到该风格的典型几何元素集。
2.如权利要求1所述的三维模型几何风格的确定方法,其特征在于,从每个三维模型上获取第一预设数量的几何元素,包括:
将每个三维模型用点来表示,采用泊松圆盘采样法在每个三维模型上采集第二预设数量的点,并将所述第二预设数量的点中邻近的点用边连接在一起构成一个邻近网,其中,每一个点的测地邻近点由6个点组成;
在所述第二预设数量的点中均匀采样所述第一预设数量的点,在所述邻近网上,分别将所述第一预设数量的点作为曲面块的中心,向外扩散生成所述第一预设数量的曲面片,得到所述第一预设数量的几何元素。
3.如权利要求1所述的三维模型几何风格的确定方法,其特征在于,针对每个风格,在所述初始几何元素集内具有该风格的风格标签的几何元素中,选择出密度大于预设阈值的几何元素组成该风格的候选几何元素集,包括:
针对每个风格,在所述初始几何元素集内,对具有该风格的风格标签的几何元素在元素相似性空间采用密度分析方法,计算每个几何元素的密度,将密度处于峰值且密度大于预设阈值的几何元素选择出来组成该风格的候选几何元素集。
4.如权利要求1所述的三维模型几何风格的确定方法,其特征在于,在所有风格的候选几何元素集中,针对每个风格,选择出用于区分该风格与其他风格的且用于完整描述该风格的三维模型的几何元素,组成该风格的典型几何元素集之前,还包括:
针对所有风格的候选几何元素集中的每个几何元素,通过以下步骤得到该几何元素的距离度量,该距离度量用于表示该几何元素与其他几何元素之间的相似性:
统计该几何元素邻近的几何元素的风格标签,将统计数量最大的风格标签作为主导风格标签,将统计数量达到最大统计数量的二分之一的风格标签也作为主导风格标签,将初始几何元素集中风格标签与所述主导风格标签相同且与该几何元素的侧地距离小于预设值的几何元素作为该几何元素的正例,将初始几何元素集中风格标签与所述主导风格标签不相同的几何元素作为该几何元素的反例,利用正例和反例训练线性支持向量机SVM检测器,得到一个该几何元素与其他几何元素之间各特征向量对应的权重向量,该权重向量用于度量该几何元素与其他几何元素之间距离;根据得到的所述权重向量将初始几何元素集中风格标签与所述主导风格标签相同且与该几何元素的距离小于预设值的几何元素作为该几何元素的正例,将初始几何元素集中风格标签与所述主导风格标签不相同的几何元素作为该几何元素的反例,利用正例和反例训练线性SVM检测器,再次得到一个该几何元素与其他几何元素之间各特征向量对应的新的权重向量,循环上述步骤,直至得到的最终权重向量不再变化,则将最终权重向量作为该几何元素的距离度量。
5.如权利要求1至4中任一项所述的三维模型几何风格的确定方法,其特征在于,生成每个三维模型的词向量,包括:
在该三维模型上取第四预设数量的曲面片,并将该三维模型的词向量初始化为零向量;
针对每个几何元素,根据该几何元素的距离度量分别计算该几何元素与每个曲面片的相似性,在相似性小于负1时,该几何元素与曲面片不相似,词向量中该几何元素对应的次数保持不变,在相似性大于负1时,该几何元素与曲面片相似,将词向量中该几何元素对应的次数加1;
将词向量的每一维除以所述第四预设数量对该词向量进行归一化。
6.如权利要求1至4中任一项所述的三维模型几何风格的确定方法,其特征在于,每个几何元素具有该几何元素在自身所在的三维模型上的结构位置信息。
7.一种三维模型几何风格的确定装置,其特征在于,包括:
初始几何元素获取模块,用于获取一组包括已知的不同风格的同类物体的三维模型,从每个三维模型上获取第一预设数量的几何元素,获取的所有几何元素组成初始几何元素集,其中,所述几何元素是三维模型上的几何区域块,每个几何元素具有与自身所在的三维模型相同的风格标签;
候选几何元素获取模块,用于针对每个风格,在所述初始几何元素集内具有该风格的风格标签的几何元素中,选择出密度大于预设阈值的几何元素组成该风格的候选几何元素集;
风格确定模块,用于在所有风格的候选几何元素集中,针对每个风格,选择出用于区分该风格与其他风格的且用于完整描述该风格的三维模型的几何元素,组成该风格的典型几何元素集,其中,该典型几何元素集中包括该风格的三维模型必须具备的几何元素和该风格的三维模型不允许具备的几何元素;
所述风格确定模块,包括:
词向量生成单元,用于生成每个三维模型的词向量,该词向量是一个多维向量,词向量的维数由所有风格的候选几何元素集中的几何元素构成,每一维统计了该维对应的几何元素在该三维模型上出现的次数;
几何元素选择单元,用于针对每个风格,根据每个三维模型的词向量中各维对应的次数和最小冗余最大相关标准,在所有风格的候选几何元素集中选择出第三预设数量的几何元素组成中间几何元素集;
区分几何元素集获取单元,用于针对每个风格,循环以下步骤得到该风格的第一区分几何元素集,该第一区分几何元素集中的几何元素用于区分该风格与其他风格:
采用分类器分别计算所述中间几何元素集中的每个几何元素作为训练集的准确率,将准确率最大的几何元素从中间几何元素集移入第一区分几何元素集,继续采用分类器计算第一区分几何元素集中的几何元素分别与当前中间几何元素集中每个几何元素的并集作为训练集的准确率,将当前中间几何元素集中准确率最大的几何元素移入所述第一区分几何元素集,循环上述步骤,直至第一区分几何元素集对应的准确率不变,停止迭代,得到该风格的第一区分几何元素集;
风格确定单元,用于针对每个风格,循环以下步骤得到该风格的典型几何元素集:
采用分类器对中间几何元素集中除去第一区分几何元素集后剩下的每个几何元素作为训练集分别计算准确率,将准确率最大的几何元素从中间几何元素集移入第二区分几何元素集,继续采用分类器计算第二区分几何元素集中的几何元素分别与当前中间几何元素集中每个几何元素的并集作为训练集的准确率,将当前中间几何元素集中准确率最大的几何元素移入所述第二区分几何元素集,循环上述步骤,直至第二区分几何元素集对应的准确率不变,停止迭代,得到该风格的第二区分几何元素集;循环上述得到第二区分几何元素集的步骤,直至准确率小于0.9,停止迭代,得到该风格的多个区分几何元素集,将多个区分几何元素集合并,得到该风格的典型几何元素集。
8.如权利要求7所述的三维模型几何风格的确定装置,其特征在于,所述初始几何元素获取模块,包括:
采集单元,用于将每个三维模型用点来表示,采用泊松圆盘采样法在每个三维模型上采集第二预设数量的点,并将所述第二预设数量的点中邻近的点用边连接在一起构成一个邻近网,其中,每一个点的测地邻近点由6个点组成;
初始几何元素获取单元,用于在所述第二预设数量的点中均匀采样所述第一预设数量的点,在所述邻近网上,分别将所述第一预设数量的点作为曲面块的中心,向外扩散生成所述第一预设数量的曲面片,得到所述第一预设数量的几何元素。
9.如权利要求7所述的三维模型几何风格的确定装置,其特征在于,所述候选几何元素获取模块,具体用于针对每个风格,在所述初始几何元素集内,对具有该风格的风格标签的几何元素在元素相似性空间采用密度分析方法,计算每个几何元素的密度,将密度处于峰值且密度大于预设阈值的几何元素选择出来组成该风格的候选几何元素集。
10.如权利要求7所述的三维模型几何风格的确定装置,其特征在于,还包括:
距离优化模块,用于在针对每个风格,选择出用于区分该风格与其他风格的且用于完整描述该风格的三维模型的几何元素,组成该风格的典型几何元素集之前,针对所有风格的候选几何元素集中的每个几何元素,通过以下步骤得到该几何元素的距离度量,该距离度量用于表示该几何元素与其他几何元素之间的相似性:
统计该几何元素邻近的几何元素的风格标签,将统计数量最大的风格标签作为主导风格标签,将统计数量达到最大统计数量的二分之一的风格标签也作为主导风格标签,将初始几何元素集中风格标签与所述主导风格标签相同且与该几何元素的侧地距离小于预设值的几何元素作为该几何元素的正例,将初始几何元素集中风格标签与所述主导风格标签不相同的几何元素作为该几何元素的反例,利用正例和反例训练线性支持向量机SVM检测器,得到一个该几何元素与其他几何元素之间各特征向量对应的权重向量,该权重向量用于度量该几何元素与其他几何元素之间距离;根据得到的所述权重向量将初始几何元素集中风格标签与所述主导风格标签相同且与该几何元素的距离小于预设值的几何元素作为该几何元素的正例,将初始几何元素集中风格标签与所述主导风格标签不相同的几何元素作为该几何元素的反例,利用正例和反例训练线性SVM检测器,再次得到一个该几何元素与其他几何元素之间各特征向量对应的新的权重向量,循环上述步骤,直至得到的最终权重向量不再变化,则将最终权重向量作为该几何元素的距离度量。
11.如权利要求7至10中任一项所述的三维模型几何风格的确定装置,其特征在于,所述词向量生成单元,包括:
曲面片获取子单元,用于在该三维模型上取第四预设数量的曲面片,并将该三维模型的词向量初始化为零向量;
词向量生成子单元,用于针对每个几何元素,根据该几何元素的距离度量分别计算该几何元素与每个曲面片的相似性,在相似性小于负1时,该几何元素与曲面片不相似,将词向量中该几何元素对应的次数保持不变,在相似性大于负1时,该几何元素与曲面片相似,将词向量中该几何元素对应的次数加1;
归一化子单元,用于将词向量的每一维除以所述第四预设数量对该词向量进行归一化。
12.如权利要求7至10中任一项所述的三维模型几何风格的确定装置,其特征在于,每个几何元素具有该几何元素在自身所在的三维模型上的结构位置信息。
CN201710196982.XA 2017-03-29 2017-03-29 三维模型几何风格的确定方法及装置 Active CN106980878B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710196982.XA CN106980878B (zh) 2017-03-29 2017-03-29 三维模型几何风格的确定方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710196982.XA CN106980878B (zh) 2017-03-29 2017-03-29 三维模型几何风格的确定方法及装置

Publications (2)

Publication Number Publication Date
CN106980878A CN106980878A (zh) 2017-07-25
CN106980878B true CN106980878B (zh) 2020-05-19

Family

ID=59338519

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710196982.XA Active CN106980878B (zh) 2017-03-29 2017-03-29 三维模型几何风格的确定方法及装置

Country Status (1)

Country Link
CN (1) CN106980878B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109189959B (zh) * 2018-09-06 2020-11-10 腾讯科技(深圳)有限公司 一种构建图像数据库的方法及装置
CN109325944A (zh) * 2018-09-13 2019-02-12 福建农林大学 一种基于支持度变换和线检测算子的视网膜血管分割方法
CN110781323A (zh) * 2019-10-25 2020-02-11 北京达佳互联信息技术有限公司 多媒体资源的标签确定方法、装置、电子设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6654018B1 (en) * 2001-03-29 2003-11-25 At&T Corp. Audio-visual selection process for the synthesis of photo-realistic talking-head animations
CN103247041A (zh) * 2013-05-16 2013-08-14 北京建筑工程学院 一种基于局部采样的多几何特征点云数据的分割方法
CN103778654A (zh) * 2013-12-10 2014-05-07 深圳先进技术研究院 一种三维几何体特征线引导的表面光滑向量场计算方法
CN106407985A (zh) * 2016-08-26 2017-02-15 中国电子科技集团公司第三十八研究所 一种三维人体头部点云特征提取方法及其装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6654018B1 (en) * 2001-03-29 2003-11-25 At&T Corp. Audio-visual selection process for the synthesis of photo-realistic talking-head animations
CN103247041A (zh) * 2013-05-16 2013-08-14 北京建筑工程学院 一种基于局部采样的多几何特征点云数据的分割方法
CN103778654A (zh) * 2013-12-10 2014-05-07 深圳先进技术研究院 一种三维几何体特征线引导的表面光滑向量场计算方法
CN106407985A (zh) * 2016-08-26 2017-02-15 中国电子科技集团公司第三十八研究所 一种三维人体头部点云特征提取方法及其装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Style Compatibility for 3D Furniture Models;Tianqiang Liu 等;《ACM Transactions on Graphics》;20150831;第34卷(第4期);1-9 *
What Makes Paris Look like Paris?;Carl Doersch 等;《ACM Transactions on Graphics (TOG) TOG Homepage》;20120731;第31卷(第4期);1-10 *
协同设计的三维几何模型多粒度描述方法;罗天洪 等;《重庆大学学报(自然科学版)》;20070430;第30卷(第4期);16-20 *

Also Published As

Publication number Publication date
CN106980878A (zh) 2017-07-25

Similar Documents

Publication Publication Date Title
CN106682233B (zh) 一种基于深度学习与局部特征融合的哈希图像检索方法
Li et al. SHREC’14 track: Extended large scale sketch-based 3D shape retrieval
US8737739B2 (en) Active segmentation for groups of images
CN109615014B (zh) 一种基于kl散度优化的3d物体数据分类系统与方法
CN101877064B (zh) 图像分类方法及图像分类装置
CN105894047A (zh) 一种基于三维数据的人脸分类系统
CN111241989A (zh) 图像识别方法及装置、电子设备
Obaidullah et al. A system for handwritten script identification from Indian document
CN111325237B (zh) 一种基于注意力交互机制的图像识别方法
Lomio et al. Classification of building information model (BIM) structures with deep learning
CN105809113A (zh) 三维人脸识别方法及应用其的数据处理装置
CN106980878B (zh) 三维模型几何风格的确定方法及装置
CN110147841A (zh) 基于弱监督及无监督部件检测和分割的细粒度分类方法
CN107315984B (zh) 一种行人检索的方法及装置
Martinet et al. A relational vector space model using an advanced weighting scheme for image retrieval
CN110334704B (zh) 基于分层学习的三维模型兴趣点提取方法及系统
CN117495891B (zh) 点云边缘检测方法、装置和电子设备
CN114358279A (zh) 图像识别网络模型剪枝方法、装置、设备及存储介质
CN117312594A (zh) 一种融合双尺度特征的草图化机械零件库检索方法
CN116721410A (zh) 一种航空发动机密集零部件三维实例分割方法和系统
Bielicki et al. A method of 3D object recognition and localization in a cloud of points
CN108665479A (zh) 基于压缩域多尺度特征tld的红外目标跟踪方法
Shrivastava et al. Bridging the semantic gap with human perception based features for scene categorization
Wang et al. Image matching via the local neighborhood for low inlier ratio
Douadi et al. Stable keypoints selection for 2D LiDAR based place recognition with map data reduction

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant