摘要：提出一种二次曲面混合方法,混合曲面由2张有理双三次Bézier曲面片构成,它们之间保持G2连续,混合曲面与二次曲面间保持G1连续.给出了混合曲面片控制顶点的显式表示,通过修改2类混合参数可以直观地调节混合方向及混合曲面的形状.另外,混合5个圆锥曲面的例子表明,该方法为多个二次曲面的混合问题提供了有效途径.

摘要：传统体绘制方法难以清晰地展现体数据的内部结构,本文提出了基于连续框架的利用数据拓扑特征增强体绘制的新方法.该方法首先利用7方向box样条拟插值对离散数据进行连续重建,然后通过求解多项式系统得到数据场中的特征点分布;从鞍点出发可以在连续模型上计算出鞍极曲线,本文提出以鞍极曲线长度给特征点值分布加权得到含权特征点直方图,并依据直方图信息重新设计体绘制的传输函数来增强体绘制.实验结果表明,与离散框架的方法相比,文中方法更加简单可靠,且可视化结果具有更好的平滑性,能清晰地反映体数据内部的细微结构.

摘要：针对多通路Metropolis光能传递算法(MMLT)不能很好地保证路径样本在路径空间中的连贯性,对子路径的重用率也较低的问题,提出了一种改进算法.通过先采样路径样本再从中选择的方式提高子路径重用率;然后对路径样本进行空间排序,以提高路径空间中的连贯性;最后设计了一套权值策略来决定不同采样方式所占比重.实验结果显示,该算法能够在相同条件下产生噪声更小的结果.

摘要：挖掘拓扑结构是获取数据场关键信息的有效途径,Morse-Smale(MS)复形是二维标量场重要拓扑结构,传统方法均采用分片线性模型,利用离散Morse理论进行MS复形分割,精度较低,积分曲线呈锯齿状,特征冗余信息多,需经过烦琐的删减过程才能得到可用结果.为此提出连续框架下的二维标量场数据MS复形分割的方法.首先为二维标量场数据建立double ZP样条拟插值连续模型;然后利用连续Morse理论,在连续模型上提取临界点、精确计算Hessian矩阵对临界点分类;最后通过精确计算梯度信息构建积分曲线完成MS复形分割.本文采用的double ZP样条具有高阶连续性,满足连续Morse理论至少C2连续的条件,具有数学完备性,其上的各阶微分运算都是精确的,因此能保证提取高精度的特征点、有严格的分类标准和光滑的积分曲线,不需要大量的后处理过程.实验结果表明,与离散框架下的方法相比,该方法流程简单,能得到高精度、平滑性好的MS复形分割结果,能更清晰地呈现数据场蕴含的关键特征结构.

摘要：为了解决非真实感渲染方法中三维模型的细节特征保持不足的问题,提出一种基于三维模型内在属性特征绘制图的带水墨画效果的非真实感渲染方法.将模型曲面的平均曲率转化为表面材质,使用帧缓冲对象渲染到纹理,经过像素变换、高斯模糊等处理得到水墨效果;再经过非线性映射得到黑白分明的内在属性特征绘制图,然后在图像空间通过GPU进行图像处理;通过调节光源位置可以实时地调整水墨笔画的分布,调整阈值以改变特征细节的展示层次.大量实例结果表明,文中方法是高效、可靠的.

摘要：三维体数据场重建是体数据建模与分析的一个非常基础和重要的步骤,重建算法的精度直接决定了数据重采样和后续分析的准确性.文中发展了基于拟插值方法的三维体数据场重建理论,首次提出一种充分利用体数据自身信息与核函数优化相结合的预处理算法.在合理假设的前提下得到重建误差的表述式;然后充分利用三维体数据自身的信息全局优化该误差,使得重建误差在L2意义下达到最小.最后通过丰富的重建实例,显示了文中算法能有效地提高重建精度,并能够更好地保持三维体数据的高频信息.

摘要：引入基于推广B样条的等几何分析方法对二维弹性问题进行边界元分析.首先使用推广B样条表示待分析的问题域,可以精确地表示待求域的圆弧边界;然后使用边界积分方程对边界未知量求解,将求得的位移通过细分方法插值到边界上;最后通过重心坐标法求得域内解,减少计算复杂度,提高了计算的精确度.分片测试及其他实例结果证实了该方法的有效性.

摘要：几何深度学习模型在三维形状检索任务中已应用,其安全评估工作也引起了研究者们的关注。该文针对三维形状检索评估提出一种基于多视图通用扰动攻击(MvUPA)的对抗攻击方法,其具有高成功率的攻击效果。首先设计多视角深度全景图检索模型,训练适用于视图类三维形状检索的高效嵌入向量;其次,为三维形状检索提出有益于通用扰动更新的损失函数方案和攻击机制。该损失函数方案同时融合了三元损失和标签损失,提升了对相近拓扑异类样本和差异拓扑同类样本的对抗扰动生成。通过实验验证了MvUPA在多个视图类检索模型上攻击的有效性和稳定性,攻击指标下降率(DR)最高达94.52%;融合损失函数相比单个损失函数DR指标提高约3.0%~5.5%。

摘要：特征值问题是一个在诸多科学与技术领域中有关键应用的重要问题 ,而已有的传统的方法只能对不同类别情形有不同程度的实现 ,本文基于遗传算法设计的新算法具有通用性 ,算法的稳定性也大大提高。

摘要：对基于点云神经网络的局部形状特征匹配模型进行对抗攻击,有益于评估并提高其对抗鲁棒性.针对上述问题,提出了3种基于对抗点的攻击方法,包括通过移动原始待匹配局部点云中点的坐标进行对抗点扰动;计算局部点云的显著图,通过添加点到显著图中关键点的位置并施加位移进行对抗点添加;通过将显著图中的关键点移动到形状中心位置进行对抗点删除.在3DMatch数据集上针对DIP模型和SpinNet模型的实验结果表明,3种攻击方法均能实现有效攻击;攻击的效果与所设置的扰动大小有关;在保证隐蔽性的前提下,随着扰动的增大,攻击效果逐渐显著,如DIP模型被攻击后的特征匹配召回率可从100%降低至2%.