项目名称: 面向带属性三维模型的优化简化和压缩技术的研究

项目编号: No.61303083

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 自动化技术、计算机技术

项目作者: 黄艳

作者单位: 山东大学

项目金额: 23万元

中文摘要: 三维模型正被越来越广泛地应用于众多的应用系统中,包括三维虚拟漫游系统、静物展示和交互系统、计算机动画、电子商务和科学可视化等等。三维模型数量和复杂度的飞速增加对于系统的存储、处理和传输能力都带来了巨大压力。因此,为了缓解三维模型数据量增加带来的压力,三维模型简化和压缩在过去一段时间内一直是热点研究问题。但是,过去的研究多集中于三维模型中几何和连接信息的简化和压缩,对于属性信息如纹理、法向等较少关注,虽然这些属性信息对于模型的显示效果至关重要而且同样占用很大的存储空间。 本项目研究带属性的三维模型的简化和压缩。具体讲,本项目研究带有颜色和法向属性的三维点云模型的简化和压缩、带有纹理属性的三维网格模型和纹理图像的简化和压缩。我们的算法将综合考虑各种属性,以优化地产生中间模型,并且优化地分配编码比特数,使得在给定的图元数目或者编码比特数的限制下,重构的中间模型具有最优的视觉保真度。

中文关键词: 三维模型简化;三维模型压缩;优化方法;;

英文摘要: 3D models have been widely used in different multimedia applications, including 3D virtual reality, product display and interaction, computer animation, e-commerce and scientific visualization. Three-dimensional models have shown great increasement in size and complexity, which has brought new challenges to media storage, computer processing and network transmission. In order to deal with these great challenges, simplification and compression of 3D models has been intensively researched in the past years. However, most of the past research has focused on simplifying and compressing the connectivity and the geometry information but not other attributes such as texture and normal, though those attributes significantly contribute to the visual apperance and consume a large amount of storage space. Therefore, the focus of this project is on simplification and compression of 3D models with attributes. Specifically, we will work on simplification and compression of 3D point-based models with color and normal attributes, and simplification and compression of 3D meshes with texture attributes. In our algorithms, we will systematically consider all the attributes to optimally allocate the bugets, be it primitive count or coding bitrate, between various attributes. As a result, we expect to achieve the maximum visual fid

英文关键词: 3D model simplification;3D model compression;Optimization;;

成为VIP会员查看完整内容
0

相关内容

WSDM 2022 | 基于图神经网络的协同过滤设计空间研究
专知会员服务
36+阅读 · 2022年1月3日
面向大数据处理框架的JVM优化技术综述
专知会员服务
16+阅读 · 2021年11月27日
面向知识图谱的图嵌入学习研究进展
专知会员服务
60+阅读 · 2021年11月3日
【CVPR2021】通道注意力的高效移动网络设计
专知会员服务
18+阅读 · 2021年4月27日
专知会员服务
21+阅读 · 2021年3月9日
专知会员服务
35+阅读 · 2021年2月20日
专知会员服务
78+阅读 · 2020年8月4日
最新《图神经网络模型与应用》综述论文
专知会员服务
293+阅读 · 2020年8月2日
结构化剪枝综述
专知
0+阅读 · 2021年11月18日
【数字孪生】从CAD数据到数字孪生
产业智能官
22+阅读 · 2019年11月11日
SemanticAdv:基于语义属性的对抗样本生成方法
机器之心
14+阅读 · 2019年7月12日
一文读懂图像压缩算法
七月在线实验室
16+阅读 · 2018年5月2日
如何设计基于深度学习的图像压缩算法
论智
41+阅读 · 2018年4月26日
基于GAN的极限图像压缩框架
论智
11+阅读 · 2018年4月15日
图像检索研究进展:浅层、深层特征及特征融合
机器学习研究会
65+阅读 · 2018年3月26日
国家自然科学基金
6+阅读 · 2015年12月31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
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
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009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
0+阅读 · 2022年4月17日
Arxiv
0+阅读 · 2022年4月15日
Arxiv
27+阅读 · 2021年11月11日
小贴士
相关VIP内容
WSDM 2022 | 基于图神经网络的协同过滤设计空间研究
专知会员服务
36+阅读 · 2022年1月3日
面向大数据处理框架的JVM优化技术综述
专知会员服务
16+阅读 · 2021年11月27日
面向知识图谱的图嵌入学习研究进展
专知会员服务
60+阅读 · 2021年11月3日
【CVPR2021】通道注意力的高效移动网络设计
专知会员服务
18+阅读 · 2021年4月27日
专知会员服务
21+阅读 · 2021年3月9日
专知会员服务
35+阅读 · 2021年2月20日
专知会员服务
78+阅读 · 2020年8月4日
最新《图神经网络模型与应用》综述论文
专知会员服务
293+阅读 · 2020年8月2日
相关资讯
结构化剪枝综述
专知
0+阅读 · 2021年11月18日
【数字孪生】从CAD数据到数字孪生
产业智能官
22+阅读 · 2019年11月11日
SemanticAdv:基于语义属性的对抗样本生成方法
机器之心
14+阅读 · 2019年7月12日
一文读懂图像压缩算法
七月在线实验室
16+阅读 · 2018年5月2日
如何设计基于深度学习的图像压缩算法
论智
41+阅读 · 2018年4月26日
基于GAN的极限图像压缩框架
论智
11+阅读 · 2018年4月15日
图像检索研究进展:浅层、深层特征及特征融合
机器学习研究会
65+阅读 · 2018年3月26日
相关基金
国家自然科学基金
6+阅读 · 2015年12月31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
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
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员