张浩然, 张少魁, 孙博远, 林鑫杰, 刘家宏, 陈学斌, 陈境焕, 张松海
清华大学计算机科学与技术系
清华大学工程物理系
广州极点三维信息科技有限公司
引用本文: 张浩然, 张少魁, 孙博远, 林鑫杰, 刘家宏, 陈学斌, 陈境焕, 张松海. 室内数字三维场景评估方法[J/OL]. 计算机辅助设计与图形学学报: 1-12[2024-09-26]. https://www.jcad.cn/article/doi/10.3724/SP.J.1089.2024-00352
Citation: Zhang Haoran, Zhang Shaokui, Sun Boyuan, Lin Xinjie, Liu Jiahong, Chen Xuebin, Chen Jinghuan, and Zhang Songhai. The Evaluable Measurements for Interior Digital 3D Scenes[J/OL]. Journal of Computer-Aided Design & Computer Graphics: 1-12[2024-09-26]. https://www.jcad.cn/article/doi/10.3724/SP.J.1089.2024-00352
数字三维场景在虚拟现实、艺术、建筑、室内设计等众多领域起着至关重要的作用. 场景生成技术能够在短时间内自动生成大量三维场景, 降低人工创建场景的成本. 然而, 现有的工作往往更加注重提升场景生成的规模与自动化程度, 生成场景在具有一定合理性的同时, 可能在美学、人因等方面存在缺陷. 因此, 为了保障生成场景各方面的质量, 需要从功能、美学和人因角度对三维场景进行多方面评价.
本文提出面向功能、美学和人因的室内数字三维场景评估方法. 首先基于规则和数据分布进行多角度的场景质量评估, 并定量表示评估结果, 该过程具有较强的可解释性; 然后结合物件局部和场景整体构建综合的场景功能质量评估准则; 再综合平面构图评估和人视点图像内容评估, 提出多角度的场景美学质量评估方法; 最后结合人类活动模拟和环境模拟, 通过度量活动主体的流线和客观环境的舒适度, 整体评估场景的人因质量.
相关工作
本文工作主要涉及场景生成和场景评估. 前者需要通过场景质量的量化评价生成三维场景; 后者虽然有着明确的评估标准, 但是尚未建立包含功能、美学和人因工程学在内的完善评估体系.
○ 场景生成
众多场景生成方法都依赖先验数据生成新的三维场景. 场景生成技术本质上是通过建立一系列先验知识, 评估现有物体如何与这些先验知识相匹配. 先验可以分为基于规则的先验、数据驱动的先验和神经先验. 通常, 场景生成过程根据先验对场景进行计算, 如桌椅之间的相对位置关系是否符合空间分布.
虽然基于规则的先验和数据驱动的先验都在物件层面表示场景关系, 专注于物体之间的空间关系, 用于对物体进行变换; 但在现实情况下, 应当从整体出发评估场景. 尽管神经网络具备接受整个场景作为输入的能力, 但人们对神经网络的运作过程并不清晰, 其评估过程缺乏可解释性.
已有的场景评估工作关注场景的丰富性、准确性和合理性, 主要度量整体指标, 对于具体指标讨论较少. 在度量场景的质量时, 一些研究通过用户实验评估生成场景的自然程度或者生成结果的可信度. 另一方面, 成本函数常被用于量化评估指标. 因此, 需要建立从功能、美学和人体工程学等多个维度进行评估的完整系统.
本文方法
图1 评估方法框架
实验及结果分析
本文实验中, 先验数据提取自3D-Front数据库, 其中包含超过7万个场景, 能够为评估过程的数据分布学习提供丰富的先验数据来源. 图2所示为利用本文方法对该数据库场景进行评估的部分结果, 雷达图显示了场景10项评估指标的质量评分.
图4 3种方法的生成结果
结 语
场景评估实验结果表明, 本文指标能够以一定的专业设计水平评估室内场景. 场景生成实验中, 本文方法取得了良好的效果, 但需耗费较多时间. 由于室内场景评估的复杂性, 未来本文方法仍待改进, 例如, 功能准则依赖特定规则从现有数据集提取先验知识, 而这一过程需要耗费较多时间; 美学准则以几何评估为主, 并未考虑实际家具的颜色、纹理、风格等因素; 人因准则中, 仅仅考虑了光照和通风条件, 而更为完善的人因评估还应当包含活动环境的人体工学合理性、活动便捷性等因素. 在实际评估中, 考虑到用户的功能、美学和人因偏好, 以及评估场景的多种评估需求, 应当通过用户预调研、数据拟合等方式设计多套可调整参数配置, 以满足不同评估情境的需求. 另外, 本文方法的评估结果与设计师的评估结果仍有一定差异. 未来将继续改进本文方法, 提高评估模型在现实场景的应用性.
张浩然: 硕士研究生, 主要研究方向为三维场景生成.
张少魁: 博士, 助理研究员, CCF会员, 主要研究方向为三维场景布局和交互.
孙博远: 在校学生, 主要研究方向为三维场景生成.
林鑫杰: 在校学生, 主要研究方向为三维场景生成.
刘家宏: 硕士研究生, 主要研究方向为三维场景生成.
陈学斌: 学士, 系统架构师, 主要研究方向为CAD&CG、深度学习.
陈境焕: 硕士, 主要研究方向为计算机图形学、深度学习.
张松海: 博士, 副教授, 博士生导师, CCF会员, 主要研究方向为计算机图形学、虚拟现实、图像/视频处理.
— END —
还没关注？点击下方“卡片”关注，获取第一时间资讯
精选报告 | 基于紧凑型线性混合半侧蒙皮权重的神经辐射场人体表示方法
开源代码 | 基于EfficientNetV2的PCB缺陷检测算法
本公众号发布的所有原创文章欢迎转发和转载，但必须注明作者和文章出处为《计算机辅助设计与图形学学报》公众号；任何媒体、网站或个人不得对本公众号原创图文进行内容修改或摘编。除本公众号原创的图文之外，本公众号发布的图文旨在学术交流，版权归原作者所有，本公众号将不承担任何法律责任；非原创内容均已对来源作出标注，如有侵权，请留言与本公众号联系，我们将及时处理。《计算机辅助设计与图形学学报》拥有最终解释权。
