基于语义分析的三维模型生成技术研究

3D model creation is a long-standing problem in computer graphics. This project is interested in the creation of 3D models of man-made objects which contains rich semantic information. In particular, we will focus on the two important aspects of the model creation problem. The first aspect is the rapid acquisition and reconstruction of 3D models based on low-cost 3D scanning devices. The second one is the automatic generation of modeling suggestion and inspiration for creative 3D modeling. We propose to address these two challenges through the co-analysis of 3D model sets of man-made objects. Especially, we aim to propose novel semantics-augumented structural representations for 3D models and new methods for consistent segmentation of 3D model sets. Based on the semantic information pre-analyzed from the input set, we will try to address the key issue of data imperfection during the 3D reconstruction. At the same time, we propose to generate modeling inspiration through semantics-driven model set evolution, where the key challenge is how to blend two man-made shapes. This project aims at coming up with model creation methods that are both techincally novel and pratically useful, and strives to making substantial contribution to the state-of-the-art.

三维模型生成一直是计算机图形学领域的难点问题之一。本项目立足于人造物体三维模型所具有的丰富语义信息，围绕模型生成问题的两个重要方面，即面向低成本设备的三维模型快速获取与重建，以及面向创造式建模的智能启发与建议生成，研究基于语义分析的低质量扫描数据三维重建和三维模型集自动演化。本项目通过对人造物体三维模型集的联合语义分析，研究语义增强的结构化模型表示和面向语义的模型集一致分割，并以此为基础解决三维重建中的数据不完整性，以及三维模型集演化中的模型自动融合等关键技术难题。力争形成创新性和实用性兼具的三维模型生成方法，为三维建模领域做出基础性和前瞻性的贡献。

项目立足于人造物体三维模型所具有的丰富语义信息，围绕模型生成问题的两个重要方面，即面向低成本设备的三维模型快速获取与重建，以及面向创造式建模的智能启发与建议生成，研究基于语义分析的低质量扫描数据三维重建和三维模型集自动演化。通过对人造物体三维模型集的联合语义分析，研究语义增强的结构化模型表示和面向语义的模型集一致分割，并以此为基础解决三维重建中的数据不完整性，以及三维模型集演化中的模型自动融合等关键技术难题。..在项目支持下，项目组的相关研究成果发表在图形图像领域最顶级的国际会议和期刊上。共发表SCI论文21篇（第一作者3篇，通讯作者10篇）。其中，在图形学顶级期刊ACM Transactions on Graphics（CCF A类期刊，影响因子4.096）上发表论文6篇（第一作者2篇，通讯作者1篇）。项目负责人的论文被引用总数现为650次，SCI引用次数为398次，2篇论文进入ESI排名前1%。同时，项目成果获得了1项相关国家发明专利，另已申请发明专利4项、软件著作权登记1项。