三维人脸模型的约束纹理映射算法研究

约束纹理映射是一种特殊的参数化过程,即在设定约束条件的情况下对模型进行纹理映射.本方法首先通过人工交互在纹理上添加纹理映射约束点,然后根据约束点对纹理及网格模型进行三角剖分,再通过RBF插值求得三角网格内顶点的纹理坐标,并实现三角网格与相对应纹理三角片的纹理映射,最后优化映射结果.实验结果表明本方法切实可行.     

多通道AVI视频播放系统的设计与实现

针对AVI视频文件进行多通道同步播放,系统借用三维虚拟场景概念,基于多通道视景仿真技术场景绘制与显示原理,采用AVI视频流的实时读取与动态纹理生成技术.多通道场景切割与绘制技术、边缘融合等关键技术,设计实现了具有5种实时播放模式和3种显示方式的多通道AVI视频播放系统.     

基于物理模型的海上溢油实时可视化仿真

提出一种基于物理模型和纹理映射技术的海面溢油实时三雏可视化方法对海上溢油进行实时动态仿真.通过分析海上溢油扩展和漂移过程的数学模型,在视点相关的自适应海面网格模型的基础上,运用纹理映射技术在海面特定区域实现了海面油膜扩展和漂移的实时动态仿真和可视化,方法简单、实用.     

基于轻量级网络的防伪标签检测算法

近年来,伪造盗版产品带来的经济损失逐年增大,伪造技术不断提升,防伪检测问题受到了广泛关注.为了解决现有防伪检测方法的计算量大、资源占用高、检测耗时较长等问题,提出了一种基于轻量级网络的防伪标签识别检测模型,该模型采用更为轻量的卷积神经网络(convolutional neural network,CNN)来进行形状和纹理的识别.在形状识别任务中,降低池化层大小以增强模型学习能力;在纹理分类任务中,使用协调注意力(coordinate attention,CA)模块来增强模型对单一特征图的信息获取.通过设计损失函数增强模型对真伪样本识别能力,并通过特征向量最大值得到预测结果.实验结果表明,该方法整体识别检测的准确率可达95.67%,检测时间相较于传统方法有显著减少.     

一种淋巴组织结构彩色病理图像自动分割算法

提出了基于约简纹理谱特征值的分割方法.首先,对淋巴组织结构病理图像进行特征分析,利用约简纹理谱特征及形状特征,分离出各组织结构,同时进一步提高滑动窗口的纹理谱计算方法;然后对淋巴小结采用灰度分割算法,分离出细胞核、胞浆等.实验证明,该方法简单快速,能对彩色淋巴组织结构病理图像进行有效的分割.     

g0(b1)2在Adams谱序列中收敛到π*V(1)的非零元

p≥11时,利用g0(b1)2∈Ext6,2p2q pq 2q A(H*V(2),Zp)在Adams谱序列中的收敛性证明了g0(b1)2∈Ext6,2p2q pq 2q A(H*V(1),Zp)在Adams谱序列中收敛到π2p2q pq 2q-6V(1)的非零元.     

实现空间异性纹理映射的查找表方法

为了在移动平台中得到高质量、高实时性的纹理显示,设计并实现了一种基于查找表的各向异性纹理映射方法。该方法通过改变归一化椭圆足迹模型的自变量选择,精确测量各参数量化对图像质量的影响,由此建立查找表获得足迹组合滤波中的所需参数。在此基础上,根据系统有效带宽的限制,加入动态调节纹理映射带宽需求的参数选择功能。实验表明,该滤波方法显示质量高,计算复杂度低,且具有带宽可控的优点,适于移动平台实现。     

多分辨率模型生成中颜色和纹理属性的处理

现有的图形处理系统难以对非常复杂的模型进行实时的存储，传输，显示等，一种有效的方法是根据要求生成一系列的多分辨率的简化模型。本文实现一种算法，不仅能进行几何简化，还能简化模型的表面属性，包括：颜色和纹理。本文对这个算法进行了详细介绍，并用图例显示了各种属性简化的结果。该方法可用在虚拟现实，计算机辅助设计和科学可视化领域。     

基于PC硬件加速的三维数据场直接体可视化

在科学计算可视化中，由于直接体可视化技术能够反映数据场内部的信息，所以它已经成为近年来研究的重点。通过应用三维纹理和可编程显卡的片段着色器（Fragment Shader）技术，在当前主流PC机上，实现了带有完整Phone光照阴影效果的三维数据场直接体可视化。仿真结果表明该方法在医学和军事学的三维数据场可视化中，能够实时生成高质量的体可视化图像。     

Personalized Multi-View Face Animation with Lifelike Textures

Realistic personalized face animation mainly depends on a picture-perfect appearance and natural head rotation. This paper describes a face model for generation of novel view facial textures with various realistic expressions and poses. The model is achieved from corpora of a talking person using machine learning techniques. In face modeling, the facial texture variation is expressed by a multiview facial texture space model, with the facial shape variation represented by a compact 3-D point distribution model (PDM). The facial texture space and the shape space are connected by bridging 2-D mesh structures. Levenberg-Marquardt optimization is employed for fine model fitting. Animation trajectory is trained for smooth and continuous image sequences. The test results show that this approach can achieve a vivid talking face sequence in various views. Moreover, the animation complexity is significantly reduced by the vector representation.