摘要：在线协同设计中特征命令的并发执行将导致文档状态的不确定,其直接后果是造成拓扑对象编码/命名冲突。为此,将状态向量作为特征命令执行文档状态的简化描述形式以方便参与者间的通信,结合各个参与者本地的特征命令队列以及几何模型对特征命令的执行文档状态进行精确描述。基于该精确描述方法对特征命令的本地和远端执行文档状态进行分析,提出特征命令执行文档状态确定化算法以保证拓扑对象编码/命名的正确有效性。

摘要：从参数化系统的模型表示方法出发,分析了拓扑元素永久命名问题,探讨了解决该问题的4个基本条件及其内在关系.将拓扑元素永久命名问题分为唯一命名及其辨识问题和模型重建阶段拓扑结构发生改变时的语义辨识问题2个层面展开综述.其中,第一个层面涉及到原始名字和边界模型的关联,引用名字的构造2个问题;在第二个层面中,按照所引用的信息类型分为引用拓扑对象的几何信息和拓扑对象本身2种处理模式.对其他相关研究中的名字问题进行了概述.最后对今后研究方向进行了探讨.

摘要：针对现有基于深度学习的自然图像超分辨率算法在图像高频细节重建方面的不足,提出了一种更注重图像高频细节重建的双通道残差网络。使用带有通道注意力机制的残差结构作为网络的主通道;为了在重建过程中更好地保留原始图像的几何结构和边缘信息,使用自适应结构化卷积设计了网络的辅助通道,以此构建的双通道残差网络在学习过程中会有更强的高频信息捕获能力;为了使重建图像效果更加符合人眼的主观视觉感受,结合使用L1损失函数和多尺度结构相似度损失函数来训练网络,使网络在训练过程中能够较好地保留图像的视觉效果。实验结果表明:在主通道外并构基于结构化卷积的辅助通道可以使重建图像的峰值信噪比提高2 dB;结合使用L1损失函数和多尺度结构相似度损失函数可以使重建图像的峰值信噪比提高3 dB、结构相似性提高0.5;与同类网络客观定量相比,所提网络在两个公开数据集上取得的效果更优。

摘要：基于图像的油画风格化绘制是计算机图形学领域非真实感绘制研究的热点之一.为了进一步提高图像油画风格化的质量,提出了一种基于多尺度笔刷的分层图像油画风格化绘制算法.该算法模拟艺术家的油画绘制过程,采用不同尺度的笔刷按照从粗到细的顺序逐层绘制.在每层笔刷绘制中,首先使用增量Voronoi序列采样点和图像切线方向场确定笔刷流线,然后结合笔刷形状与笔刷高度场进行纹理贴图,得到最终的图像油画风格化绘制结果.通过与现有算法比较,文中算法不仅能模拟真实的油画绘制过程,而且生成的油画效果层次感更强,充分体现了图像的结构特征和油画细节.

摘要：研究了一种支持人人交互和细粒度功能协作的三维协同设计模型,验证了细粒度三维协同设计的通讯机制.提出采用标准宏参命令为基本单元的通讯协议来支持异构CAD应用的集成.构造了三维协同工具的Agent结构,并描述其工作过程.初步实现一个集成两种异构三维CAD应用的原型环境.