项目名称: 基于语义分析的三维模型生成技术研究

项目编号: No.61202333

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 计算机科学学科

项目作者: 徐凯

作者单位: 中国人民解放军国防科学技术大学

项目金额: 25万元

中文摘要: 三维模型生成一直是计算机图形学领域的难点问题之一。本项目立足于人造物体三维模型所具有的丰富语义信息,围绕模型生成问题的两个重要方面,即面向低成本设备的三维模型快速获取与重建,以及面向创造式建模的智能启发与建议生成,研究基于语义分析的低质量扫描数据三维重建和三维模型集自动演化。本项目通过对人造物体三维模型集的联合语义分析,研究语义增强的结构化模型表示和面向语义的模型集一致分割,并以此为基础解决三维重建中的数据不完整性,以及三维模型集演化中的模型自动融合等关键技术难题。力争形成创新性和实用性兼具的三维模型生成方法,为三维建模领域做出基础性和前瞻性的贡献。

中文关键词: 三维模型生成;语义驱动的形状分析;数据驱动的几何处理;三维重建;三维扫描

英文摘要: 3D model creation is a long-standing problem in computer graphics. This project is interested in the creation of 3D models of man-made objects which contains rich semantic information. In particular, we will focus on the two important aspects of the model creation problem. The first aspect is the rapid acquisition and reconstruction of 3D models based on low-cost 3D scanning devices. The second one is the automatic generation of modeling suggestion and inspiration for creative 3D modeling. We propose to address these two challenges through the co-analysis of 3D model sets of man-made objects. Especially, we aim to propose novel semantics-augumented structural representations for 3D models and new methods for consistent segmentation of 3D model sets. Based on the semantic information pre-analyzed from the input set, we will try to address the key issue of data imperfection during the 3D reconstruction. At the same time, we propose to generate modeling inspiration through semantics-driven model set evolution, where the key challenge is how to blend two man-made shapes. This project aims at coming up with model creation methods that are both techincally novel and pratically useful, and strives to making substantial contribution to the state-of-the-art.

英文关键词: 3D model generation;Sementics-driven shape analysis;Data-driven goemetry processing;3D reconstruction;3D scanning

成为VIP会员查看完整内容
1

相关内容

军事知识图谱构建技术
专知会员服务
125+阅读 · 2022年4月8日
【博士论文】多视光场光线空间几何模型研究
专知会员服务
22+阅读 · 2021年12月6日
基于RGB-D图像的语义场景补全研究进展综述
专知会员服务
28+阅读 · 2021年11月8日
专知会员服务
32+阅读 · 2021年10月8日
专知会员服务
69+阅读 · 2021年3月29日
专知会员服务
14+阅读 · 2021年3月26日
专知会员服务
60+阅读 · 2021年3月25日
专知会员服务
55+阅读 · 2020年12月20日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
[综述]基于深度学习的开放领域对话系统研究综述
专知会员服务
79+阅读 · 2019年10月12日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
图像描述生成研究进展
专知
1+阅读 · 2021年3月29日
ECCV2020 | SMAP: 单步多人绝对三维姿态估计
学术头条
10+阅读 · 2020年8月9日
知识图谱构建-关系抽取和属性抽取
深度学习自然语言处理
26+阅读 · 2020年3月1日
基于深度学习的文本生成【附217页PPT下载】
专知
35+阅读 · 2018年11月24日
【知识图谱】中文知识图谱构建方法研究
产业智能官
99+阅读 · 2017年10月26日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
15+阅读 · 2021年12月22日
Arxiv
27+阅读 · 2020年12月24日
Arxiv
10+阅读 · 2020年11月26日
小贴士
相关VIP内容
军事知识图谱构建技术
专知会员服务
125+阅读 · 2022年4月8日
【博士论文】多视光场光线空间几何模型研究
专知会员服务
22+阅读 · 2021年12月6日
基于RGB-D图像的语义场景补全研究进展综述
专知会员服务
28+阅读 · 2021年11月8日
专知会员服务
32+阅读 · 2021年10月8日
专知会员服务
69+阅读 · 2021年3月29日
专知会员服务
14+阅读 · 2021年3月26日
专知会员服务
60+阅读 · 2021年3月25日
专知会员服务
55+阅读 · 2020年12月20日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
[综述]基于深度学习的开放领域对话系统研究综述
专知会员服务
79+阅读 · 2019年10月12日
相关资讯
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
图像描述生成研究进展
专知
1+阅读 · 2021年3月29日
ECCV2020 | SMAP: 单步多人绝对三维姿态估计
学术头条
10+阅读 · 2020年8月9日
知识图谱构建-关系抽取和属性抽取
深度学习自然语言处理
26+阅读 · 2020年3月1日
基于深度学习的文本生成【附217页PPT下载】
专知
35+阅读 · 2018年11月24日
【知识图谱】中文知识图谱构建方法研究
产业智能官
99+阅读 · 2017年10月26日
相关基金
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员