项目名称: 基于草图的几何处理和应用

项目编号: No.61502306

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 计算机科学学科

项目作者: 郑友怡

作者单位: 浙江大学

项目金额: 21万元

中文摘要: 随着计算设备的发展,获取大量的高复杂度的三维数据变得越来越容易。基于此,处理这类数据的算法也随之日新月异。越来越多的研究开始着眼于对复杂物体以及大规模场景做结构和功能性方面的理解和分析。全自动的几何处理算法往往在这类复杂的数据集上面工作得不好或者不鲁棒。如何让计算机去自动理解和处理这些复杂的数据是目前几何处理一大难题,比如说,让计算机去自动识别一个物体的用处。..让计算机去自动理解功能结构性这类涉及语义学方面的信息的时候,一般从两方面入手,第一是通过大量的数据集训练,第二是用户人为的告诉计算机,就是我们所谓的先验知识。本项目的提出旨在通过用户草图勾勒这种简单的人机交互行为结合结构功能语义方面来帮助解决几何处理里面的一些重要问题。更具体的讲,本项目将包含两块内容:第一个是基于草图的三维场景结构分析,理解和建模以及基于内容的三维作业,第二个是基于草图和功能结构的三维模型数据库分析,浏览和组织,即通过用户简单的草图勾勒模型部件和标注部件之间相关的语义功能关系,来实现对大型三维模型库的实时浏览和基于部件的组织管理。

中文关键词: 几何分析与编辑;草图分析;三维重建;人机交互

英文摘要: With the rapid development of 3D acquisition devices and advances in geometry processing algorithms, it is now easy to obtain highly complex 3D models or even 3D scenes, which makes it desirable to develop more advanced geometry analysis tools to adapt the fast growing rate of geometric data. Recent researches are focusing more and more on aspects regarding object structure and functionality. Automatically analyze and process such complex data is, however, very challenging to perform. In many cases, it is simply very difficult to obtain a semantically meaningful understanding of such geometric data. For example, learning the functionality of an object is known to be extremely difficult for computers. ..Such semantic information, however, is easy to acquire in our human vision system. In this proposal, we develop interactive sketching tools to assist such geometry processing tasks and subsequently enable intuitive and easy manipulation of complex geometric data. The key idea is that while people are hard to express their ideas through visual communication system, sketching, being inherently intuitive, fast, and easy-to-perform, can largely help ease the process when integrated with semantics. In particular, we are interested in the following two specific problems: interactive sketch interpretation for preparatory design studies and sketch-based geometry exploration and structure analysis for data collections. We design specific frameworks for both tasks, and look forward to linking the two tasks in a complementary framework. The success of the research will open up new directions for the development of interactive techniques in geometry analysis and exploration.

英文关键词: Geometry Analysis and Editing;Sketch Analysis;3D reconstruction;Human-Computer Interaction

成为VIP会员查看完整内容
2

相关内容

专知会员服务
87+阅读 · 2021年9月4日
专知会员服务
65+阅读 · 2021年7月18日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
122+阅读 · 2021年6月19日
专知会员服务
94+阅读 · 2021年2月6日
专知会员服务
43+阅读 · 2020年12月8日
专知会员服务
45+阅读 · 2020年12月4日
基于深度学习的多标签生成研究进展
专知会员服务
142+阅读 · 2020年4月25日
四种方法,用数据挖掘潜力用户
人人都是产品经理
0+阅读 · 2021年11月4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
【泡泡图灵智库】Detect-SLAM:目标检测和SLAM相互收益
泡泡机器人SLAM
14+阅读 · 2019年6月28日
图卷积在基于骨架的动作识别中的应用
极市平台
24+阅读 · 2019年6月4日
综述 | 近5年基于深度学习的目标检测算法
计算机视觉life
38+阅读 · 2019年4月18日
基于视频的目标检测的发展【附PPT与视频资料】
人工智能前沿讲习班
19+阅读 · 2018年12月14日
【泡泡图灵智库】密集相关的自监督视觉描述学习(RAL)
泡泡机器人SLAM
11+阅读 · 2018年10月6日
图像美学质量评价技术发展趋势
科技导报
18+阅读 · 2018年6月25日
深度学习在情感分析中的应用
CSDN大数据
14+阅读 · 2017年8月22日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
6+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
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
3+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
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月18日
An Attentive Survey of Attention Models
Arxiv
44+阅读 · 2020年12月15日
Arxiv
26+阅读 · 2020年2月21日
SlowFast Networks for Video Recognition
Arxiv
19+阅读 · 2018年12月10日
Arxiv
12+阅读 · 2018年9月5日
Arxiv
19+阅读 · 2018年6月27日
小贴士
相关VIP内容
专知会员服务
87+阅读 · 2021年9月4日
专知会员服务
65+阅读 · 2021年7月18日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
122+阅读 · 2021年6月19日
专知会员服务
94+阅读 · 2021年2月6日
专知会员服务
43+阅读 · 2020年12月8日
专知会员服务
45+阅读 · 2020年12月4日
基于深度学习的多标签生成研究进展
专知会员服务
142+阅读 · 2020年4月25日
相关资讯
四种方法,用数据挖掘潜力用户
人人都是产品经理
0+阅读 · 2021年11月4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
【泡泡图灵智库】Detect-SLAM:目标检测和SLAM相互收益
泡泡机器人SLAM
14+阅读 · 2019年6月28日
图卷积在基于骨架的动作识别中的应用
极市平台
24+阅读 · 2019年6月4日
综述 | 近5年基于深度学习的目标检测算法
计算机视觉life
38+阅读 · 2019年4月18日
基于视频的目标检测的发展【附PPT与视频资料】
人工智能前沿讲习班
19+阅读 · 2018年12月14日
【泡泡图灵智库】密集相关的自监督视觉描述学习(RAL)
泡泡机器人SLAM
11+阅读 · 2018年10月6日
图像美学质量评价技术发展趋势
科技导报
18+阅读 · 2018年6月25日
深度学习在情感分析中的应用
CSDN大数据
14+阅读 · 2017年8月22日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
6+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
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
3+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
0+阅读 · 2009年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月18日
An Attentive Survey of Attention Models
Arxiv
44+阅读 · 2020年12月15日
Arxiv
26+阅读 · 2020年2月21日
SlowFast Networks for Video Recognition
Arxiv
19+阅读 · 2018年12月10日
Arxiv
12+阅读 · 2018年9月5日
Arxiv
19+阅读 · 2018年6月27日
微信扫码咨询专知VIP会员