TOP1 | 神经辐射场技术及应用综述
最新更新时间: 2024-10-12 17:29
作者：陈涛, 杨启亮, 陈寅
单位：中国人民解放军陆军工程大学国防工程学院
摘要：神经辐射场(NERF)是一种基于神经网络的三维重建技术,它将场景定义为位置和观察视角的五维辐射场函数,并通过隐式的神经网络来表示.该技术仅需要单个场景在不同视角下的二维图像,结合体渲染方程,可以通过深度学习的方式训练得到该场景的神经辐射场模型,利用该模型可以合成出高质量的新视角图像.文中对NERF的现有工作进行调查和分类,从相参位姿估计、视图集合标准、渲染过程优化等方面介绍各种方法的基本原理及优势,重点阐明不同方法之间的相似性和差异,帮助理解它们之间的关系;还讨论了各种受益于NERF合成机理的应用场景;最后通过对现有方法优势和局限性的分析,对未来研究的趋势进行展望.
基于NERF优化算法的分类及其关系
长按识别二维码阅读全文
或复制网址访问
https://www.jcad.cn/article/doi/10.3724/SP.J.1089.2023-00759
TOP2 | 基于图表示学习的交通拥堵传播模式挖掘与可视分析方法
最新更新时间: 2024-10-18 16:48
作者：董家鹭, 崔美琪, 张慧杰, 谢文强, 王雪
单位：东北师范大学计算机科学与信息技术学院; 白城师范学院计算机科学学院
摘要：交通拥堵严重影响居民出行和社会可持续发展,如何从海量的交通数据中挖掘交通拥堵的传播模式,制定科学的交通规划方案是一个关键问题.为此,提出一种交通拥堵传播模式可视分析方法.首先基于速度递减指数定义并检测拥堵事件,通过事件间的时空近邻约束识别拥堵传播;然后提出集成node2vec模型和VGAE模型的拥堵事件表征算法,结合降维和聚类算法挖掘拥堵传播模式;最后设计一个具有多视图联动功能的拥堵传播模式可视分析系统,支持用户感知拥堵密度,并交互式地探索拥堵传播模式.基于某城市连续14天的GPS轨迹数据,采用平均精度指标进行对比实验,结果表明,所提方法在重构拥堵传播上具有更高的准确性.邀请交通领域和可视化领域的3位专家对所提系统进行评估,通过2个案例分析,包括全局拥堵态势感知任务和特定道路拥堵传播模式分析任务,对系统的易用性、有效性和实用性进行主观评分.定量评价结果显示,该系统能够有效协助用户分析拥堵传播模式,并为制定交通治理方案提供依据.
本文方法框架
长按识别二维码阅读全文
或复制网址访问
https://www.jcad.cn/article/doi/10.3724/SP.J.1089.2024-00365
TOP3 | 曲面高精度次表面散射渲染方法
最新更新时间: 2024-10-12 17:39
作者：赵双龙, 郭兵, 沈艳
单位：四川大学华西医院设备物资部；四川大学嵌入式系统及大数据管理实验室；成都信息工程大学计算机学院
摘要：次表面散射光是确保半透明材料视觉效果的关键因素,在电影游戏、虚拟现实中有重要的应用价值.针对现有技术依赖平面漫反射剖面,导致渲染复杂曲面时存在散射光颜色失真、阴影过渡生硬的问题,提出一种基于多极子模型的预积分方法,以提高曲面模型次表面散射精度.首先使用多极子模型构建准确的曲面单层和多层漫反射剖面;然后对漫反射剖面预先积分并将结果保存到查找表中,通过增加单次散射进一步提高散射精度;最后在实时渲染时结合贴图模糊技术,提高平均曲率的准确性.为了提高特定情况的散射效果,讨论了透射光对散射效果的贡献.针对人脸渲染的实验结果表明,所提方法在SSIM,RMSE等各项误差指标中均优于现有预积分方法,在保证渲染速度的同时能够消除之前的曲面散射误差,有效地提高渲染真实感.
皮肤次表面散射渲染效果
长按识别二维码阅读全文
或复制网址访问
https://www.jcad.cn/article/doi/10.3724/SP.J.1089.2024-00101
TOP4 | 基于生成式特征图的深度学习模型局部性能可视分析方法
最新更新时间: 2024-10-21 15:41
作者：戴宗超, 李杰, 张扬, 雷振环
单位：天津大学智能与计算学部
摘要：现有的分类模型性能评估方法主要集中于整体性能,而在准确性要求较高的应用中,局部性能评估十分重要.针对深度学习模型局部性能评估面临的样本数据多样性和灵活探索任务的挑战,提出一种基于生成式特征图的深度学习模型局部性能可视化分析方法.首先训练潜空间语义方向发现模型,生成细微语义变化的测试样本,为模型评估提供可控的测试样本;然后设计一个集成方向选择器与性能探索器的可视化系统,其中,方向选择器支持用户生成指定语义变化的测试样本,性能探索器由样本图和性能图组成,样本图展示局部样本分布,性能图通过颜色编码直观地展示模型在局部样本上的性能分布.实验结果表明,所提出的潜空间语义方向发现模型所发现的方向在准确性、可解释性和样本变化自然度方面,均优于随机方向和坐标轴方向;在MNIST和CIFAR-10数据集上,生成式特征图能够有效地识别和解释分类模型在局部样本上的性能变化,并找出有助于发现模型缺陷的局部样本.
12 个经典 DNN 图像分类模型的性能分布
长按识别二维码阅读全文
或复制网址访问
https://www.jcad.cn/article/doi/10.3724/SP.J.1089.2024-00124
TOP5 | 结合边缘特征提取的多模态脑部肿瘤图像分割网络
最新更新时间: 2024-10-12 17:51
作者：曹伟业, 祝开艳, 刘越, 宋维波, 刘通
单位：大连海洋大学信息工程学院；大连海洋大学机械与动力工程学院
摘要：多模态医学图像具有综合信息,提高诊断准确性、检测疗效和预后评估等优势,可以为医生提供更加全面、准确的信息.为了利用多模态医学图像之间的综合信息,提出结合边缘特征提取的多模态脑部肿瘤图像分割网络.首先对预激活残差块进行改进,提出双残差预激活模块替换U-Net中的编码与解码层,并在解码层增加网络宽度,加强了网络的特征提取能力;然后设计一种边缘特征提取模块对不同模态和不同层次的边缘特征进行提取,通过与分割结果进行融合强化网络对边缘病灶的表达能力.在BraTS2018,BraTS2022数据集上进行实验的结果表明,所提网络在全肿瘤区、肿瘤核心区和增强肿瘤区的相似系数Dice分别达到89.80%,90.40%和82.60%,以及91.73%,93.06%和87.00%;对于边界不太清晰的病灶区域,该网络具有较高的精度和相对较低的冗余度,总体表现优于现有的大部分网络.
本文网络结构
长按识别二维码阅读全文
或复制网址访问
https://www.jcad.cn/article/doi/10.3724/SP.J.1089.2024-00246
— END —
还没关注？点击下方“卡片”关注，获取第一时间资讯
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。
