-
公开(公告)号：CN106157375B
公开(公告)日：2018-11-30
申请号：CN201610530040.6
申请日：2016-07-06
Applicant: 南京大学
Abstract: 本发明公开了一种三维模型部件类别自动标注方法，包括以下步骤：训练过程根据三维模型标注训练集进行快速训练，训练得到用于对未知三维模型的面片和网格边进行分类和标注的快速标注模型。标注过程则利用训练得到的面片和网格边的快速标注模型对目标模型的面片和网格边进行分类，获得面片和网格边分类概率分布，构建图模型，通过多标签图割优化进行分割边界的平滑和优化，从而实现对目标三维模型部件类别的快速自动标注。
-
公开(公告)号：CN104182765B
公开(公告)日：2017-03-22
申请号：CN201410415993.9
申请日：2014-08-21
Applicant: 南京大学
Abstract: 本发明公开了一种互联网图像驱动的三维模型最优视图自动选择方法，包括以下步骤：三维模型集预处理；图像视角分类器训练：得到一个用以估计图像的观察视角的分类器，包括训练集生成、图像视角分类器训练两个步骤；互联网图像采集：通过图像搜索引擎和社交网络中用户上传的大量图像，采集互联网中相应模型的图像，包括互联网图像抓取、无关图像过滤以及前景物体图像提取三个步骤；视图投票评价：通过互联网图像对三维模型相应的视图投票，选择排序靠前的视图为最优视图，包括互联网图像视角估计以及视图排序两个步骤。本发明可以适用于包括刚体和非刚体在内的多种类别的三维模型，符合人们的视觉习惯。
-
公开(公告)号：CN103295025B
公开(公告)日：2016-06-15
申请号：CN201310161602.0
申请日：2013-05-03
Applicant: 南京大学
Abstract: 发明公开了一种三维模型最优视图的自动选择方法，包括以下步骤：三维模型集预处理：对输入的三维模型集中的各个三维模型进行预处理，得到所有三维模型的类别，包括姿态校正、尺度归一化以及三维模型类别判断三个步骤，所述三维模型集中每个三维模型设有类别标记；候选视图选取：采样三维模型的各个视图，并提取特征和聚类，得到三维模型的一组候选视图：包括三维模型视图采样、视图特征提取和视图聚类；视图评价：对三维模型的候选视图排序，选择排序靠前的视图为最优视图，包括距离计算和最优视图学习。本发明可以适用于多种类别的三维模型，得到的同类别三维模型的最优视图具有较高的姿态一致性。
-
公开(公告)号：CN103021029A
公开(公告)日：2013-04-03
申请号：CN201310019194.5
申请日：2013-01-18
Applicant: 南京大学
IPC: G06T19/00
Abstract: 本发明公开了一种三维模型构件类别的自动标注方法，包括以下步骤：CRF标注模型的训练过程根据三维模型标注训练集训练学习出用于对未知三维模型进行分割与标注的CRF标注模型：首先，将三维模型标注训练集划分为实例集和验证集；然后，对实例集中三维模型进行预处理，进而分类训练出CRF标注模型的一元项和二元项；最后，利用验证集的预处理结果进行参数搜索，获得CRF标注模型的参数以完成CRF标注模型的学习。目标三维模型的标注过程利用三维模型标注训练集的学习过程所得CRF标注模型对目标三维模型进行分割与标注，从而实现目标三维模型构成部件的类别标注。
-
公开(公告)号：CN102831638A
公开(公告)日：2012-12-19
申请号：CN201210234700.8
申请日：2012-07-06
Applicant: 南京大学
Abstract: 本发明提出了采用手绘草图的三维人体多姿态建模方法，包括：显式绘制人体特征草图，在给定的三维人体姿态模型下，将观察视角和人体姿态调整为与人体草图一致，并根据人体姿态模型网格点与人体关节点之间的位置关系对该人体模型加权；在该观察视角和人体姿态下，对人体姿态模型进行投影并提取轮廓线、暗示性轮廓线、谷线和脊线等特征投影线集合，将人体草图笔画线与特征投影线组合进行匹配，并根据草图笔画线与特征投影线组合的几何关系构建隐马尔科夫模型，将草图笔画点与三维模型网格点对应并计算对应点的位移参数；在对应三维模型网格点位移参数的约束下，通过均值坐标编码形变算法对人体网格模型进行形变，得到最终的三维人体网格模型。
-
Patent Agency Ranking
公开(公告)号：CN101799937A
公开(公告)日：2010-08-11
申请号：CN201010130674.5
申请日：2010-03-23
Applicant: 南京大学
IPC: G06T17/00
Abstract: 本发明公开了一种采用草图创建三维模型的方法，包括以下步骤：将手绘草图笔画分为作为对象轮廓的图元笔画和作为三维效果的线索笔画，并分别识别处理，并对图元笔画进行规整化处理；采用条件规则生成方法表示对象的几何构成，并在绘制线索指导下利用图元邻接关系实现规则驱动推理，完成对象单元识别并恢复各对象单元的深度信息；在绘制线索规则指导下，根据对象单元的几何属性自动判别和补全对象单元的隐藏线，生成完整的三维对象单元；根据各对象单元之间的拓扑关系，采用几何拼接方法完成对象三维模型的重建。本发明利用手绘草图绘制对象透视投影轮廓的同时使用阴影线等辅助线索表达三维效果，提高了绘制自由度。
-
公开(公告)号：CN107610221B
公开(公告)日：2020-06-05
申请号：CN201710810698.7
申请日：2017-09-11
Applicant: 南京大学
Abstract: 本发明公开了一种基于同构模型表示的三维模型生成方法，包括：针对模型集合的部件对应关系，构建模型集的统一结构表示；采用子图编码的方式，建立每个模型的同构结构表示；采用包围盒和广义圆柱的方式，建立每个模型的部件表示；根据模型的结构表示和部件表示，构建模型的统一表示；训练基于神经网络的自编码器，建立同构表示空间与二维数值空间的映射关系；对二维数值进行采样，利用自编码器解码得到模型同构表示；根据解码得到的模型同构表示，重建出三维模型，并判断重建模型的有效性；根据采样数据的有效性，估计有效空间的分布，并进行可视化；根据用户选取的有效二维数据，解码得到模型表示，重建新的三维模型。
-
公开(公告)号：CN107610221A
公开(公告)日：2018-01-19
申请号：CN201710810698.7
申请日：2017-09-11
Applicant: 南京大学
Abstract: 本发明公开了一种基于同构模型表示的三维模型生成方法，包括：针对模型集合的部件对应关系，构建模型集的统一结构表示；采用子图编码的方式，建立每个模型的同构结构表示；采用包围盒和广义圆柱的方式，建立每个模型的部件表示；根据模型的结构表示和部件表示，构建模型的统一表示；训练基于神经网络的自编码器，建立同构表示空间与二维数值空间的映射关系；对二维数值进行采样，利用自编码器解码得到模型同构表示；根据解码得到的模型同构表示，重建出三维模型，并判断重建模型的有效性；根据采样数据的有效性，估计有效空间的分布，并进行可视化；根据用户选取的有效二维数据，解码得到模型表示，重建新的三维模型。
-
公开(公告)号：CN106157375A
公开(公告)日：2016-11-23
申请号：CN201610530040.6
申请日：2016-07-06
Applicant: 南京大学
CPC classification number: G06T19/20 , G06K9/6267 , G06T2207/20072 , G06T2207/20081 , G06T2207/20084 , G06T2219/004
Abstract: 本发明公开了一种三维模型部件类别自动标注方法，包括以下步骤：训练过程根据三维模型标注训练集进行快速训练，训练得到用于对未知三维模型的面片和网格边进行分类和标注的快速标注模型。标注过程则利用训练得到的面片和网格边的快速标注模型对目标模型的面片和网格边进行分类，获得面片和网格边分类概率分布，构建图模型，通过多标签图割优化进行分割边界的平滑和优化，从而实现对目标三维模型部件类别的快速自动标注。
-
公开(公告)号：CN103971415B
公开(公告)日：2016-06-15
申请号：CN201410223528.5
申请日：2014-05-23
Applicant: 南京大学
IPC: G06T19/00
Abstract: 本发明公开了三维模型构件的在线标注方法，包括以下步骤：预处理，获得各个三角面片的特征和过分割片；初始标注，进行分割模型初始化，用户对输入的初始三维模型进行种子区域标注，获得种子标注集，对种子标注集进行在线学习，学习出分割模型；在线标注，利用分割模型对输入的同类型三维模型进行分割标注，获得中间标注结果，用户判断该结果是否认可，若选择是，则结束，且该中间标注结果即为最终标注结果；否则，用户根据中间标注结果进行区域修正，获得种子标注集，对种子标注集进行在线学习，从而更新分割模型，再利用更新后的分割模型对三维模型进行分割标注，获得中间标注结果，从而不断迭代，直至用户认可，获得最终的三维模型标注结果。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.024 seconds)
