基于相似性分析的三维模型压缩

随着三维建模技术的发展，三维模型复杂度越来越高，占用的数据量越来越大。不断增长的三维模型的数据量对于存储空间以及网络传输（尤其是无线网传输）都带来了巨大的压力。在这种情况下，三维模型压缩是一个有效的解决方案。所以，在过去的十多年里，三维模型的压缩成为一个研究的热点。但是最近一段时间里，这个领域的研究没有突破性的进展。. 我们认识到，过去的三维模型压缩算法大多是基于语法的压缩，即它们仅仅基于局部的连接与几何信息而不去分析模型的结构以及不同局部之间存在的相似性。我们试图探索基于语义的三维模型压缩算法，即我们将试图分析和理解三维模型的结构或者寻找不同局部区域之间的相似性，从而提高数据的重用率，减少数据的熵并提高数据的压缩率。我们还将从数据库规模上进行基于语义的三维模型压缩，并期望达到更高的数据压缩率。

在此项目的资助下，我们在基于相似性的三维模型数据压缩方面展开了深入研究，也在其他相关图形图像的领域展开了研究和探索。三年的时间内，在此项目的资助下，共在国际学术期刊和会议中发表论文二十多篇，此外，还有大约六到八篇受此项目资助的论文已经投稿出去或者基本完成且正在投稿当中。..在已经发表的论文中，有八篇发表在顶级的期刊和会议中，包括 Computer Graphics Forum, The Visual Computer, Pacific Graphics, Computer Graphics International, IEEE International Conference on Computer Vision (ICCV), IEEE International Conference on Image Processing (ICIP), IEEE International Symposium on Circuits and Systems (ISCAS), IEEE International Symposium on Biomedical Imaging (ISBI)。 完成了原定的在国际主要学术期刊及会议中发表论文三到四篇的目标。..所发表的论文涵盖了三维模型压缩和简化、三维建模、三维动画合成、图形图像数据检索、图像显著性分析、医疗图像分析等领域。 特别地，在三维模型压缩和简化这一领域，我们发表了三篇 SCI 期刊论文，分别发表在 Computer Graphics Forum, The Visual Computer 和 Information Journal 中；此外，还在Pacific Graphics, APSIPA ASC中发表多篇相关论文。..在实际研究过程中，我们经历了许多探索的过程，实际的工作并没有完全按照一开始所制定的研究路线所进行。但是，总体的研究框架与计划书中所写的基本一致。..在此项目的资助之下，项目组成员多次参加国内外的学术会议，去报告我们的研究成果并且进行学习和交流; 培养了十几名博士和硕士研究生，其中三名硕士生已经毕业，大约三名博士和硕士生今年（2014年）暑期即将毕业。..项目执行期间，我们对于经费进行了合理支出。所有的经费花销符合原定的预算。