基于流形压缩模式的网格模型姿态迁移

The development of example-based modeling improves the efficiency of computer animation greatly. As a succinct method of example-based modeling, pose transfer only accepts one reference model as pose indication and requires one source to learn the reference pose. The difficulty of representing a pose makes pose transfer challenging. For this application background, this project defines pose similarity by using shape editing distance, connection map and linear rotation-invariant coordinates and so on. Noting the multi-scale property of the pose of a 3D model, according to the define of pose similarity, this project is to establish hierarchical pose transfer without physical explicit cutting meshes by progressive mesh technology and subspace deformation method. Coupled harmonic bases with locality are constructed by applying compressed manifold modes. The geometric agent with local weights is used to ensure the stability of solving models and improve the efficiency. Optimization algorithm of multi-coupled bases combined with functional map and coupled quasi-harmonic is designed to perform pose transfer among multi-models. Considering semantic information, pose transfer can be performed among more extensive models.

基于样例的网格建模技术的发展，提高了计算机动画的制作效率.作为简洁的基于样例的网格建模技术，姿态迁移仅输入参考模型的一个姿态，要求源模型学习参考模型的姿态。由于对姿态的定义比较困难，这使得研究连接关系不同的网格模型之间的姿态迁移具有挑战性。本项目以此为应用背景，借助形状编辑距离、连接映射、线性旋转不变坐标等工具，定义姿态相似度量；考虑到三维网格模型姿态的多尺度性，本项目将在姿态相似度量的引导下，利用渐进网格技术和子空间变形方法，建立无需物理分块的多层姿态迁移模型；采用压缩流形模式，建立具有局部性质的耦合调和基；使用局部性较好的几何代理保证模型求解稳定性，提高求解效率；结合泛函映射理论和耦合准调和基技术设计多耦合基优化算法，进行多模型之间的姿态迁移；考虑语义信息，在更广泛的模型之间进行姿态迁移。

作为简洁的基于样例的网格建模技术，姿态迁移仅输入参考模型的一个姿态，要求源模型学习参考模型的姿。本项目对三维模型的姿态迁移开展了以下研究：.研究三维模型姿态迁移中几何代理对姿态迁移效果的影响，使用局部性较好的几何代理变形图，嵌入变形保证模型求解稳定性的同时降低几何代理质量对姿态迁移结果的影响，提高谱姿态迁移效果和效率。研究多边形网格模型的拉普拉斯算子，提出四边形网格与三角形网格模型间的低频姿态迁移方法；对于点云模型，构建模型的同构骨架，利用骨架的层次信息进行自动蒙皮权重绑定，结合DDM(direct delta mush)实现自适应蒙皮变形的姿态迁移, 在蒙皮变形阶段, 使用顶点变形程度来改进DDM的逐点平滑系数；拓展了姿态迁移的模型操控类型。.此外，图像与视频数据越来越容易获取，成为自动驾驶、虚拟现实等应用的重要数据类型。本项目在这方面开展了以下工作：.研究图像和视频的低多边形风格化，提出基于边缘特征和超像素分割的图像和视频低多边形渲染方法，提高了图像和视频低多边形风格化的质量。借助深度学习工具，在仅输入三维物体主视图的情况下，设计三维物体三视图的生成方法，并使用三视图合成三维点云外壳；研究图像和视频的特征提取，提出了一种自监督学习网络SP-Flow来实时生成SLAM系统的关键点，将其应用到视觉SLAM中，该SLAM系统以立体或RGB-D图像作为输入，实现实时性，路径估计精度更高；在图像转换方面，提出动态感受野的自适应多尺度信息融合的生成器结构，利用选择性(卷积)核模块根据上采样特征大小自适应调整感受野，获取特征多尺度信息，改进了传统生成器对特征多尺度信息的忽略和感受野的固定形式，提高生成图像的质量，并以此为基础在草图合成真实图像任务提出带引导图像的选择性(卷积)核的生成式对抗网络，生成更多样式的图像。