首页期刊导航|中国图象图形学报
期刊信息/Journal information
中国图象图形学报
中国图象图形学报

李小文

月刊

1006-8961

jig@irsa.ac.cn

010-64807995 8261442

100101

北京9718信箱

中国图象图形学报/Journal Journal of Image and GraphicsCSCD北大核心CSTPCD
查看更多>>本刊是集计算机图象图形高科技理论与应用研究成果、成果产品化与商情动态于一体的综合性学术期刊。是核心期刊、权威性杂志。作为中国图象图形学学会的会刊，利用学会在国内外广泛的科技信息渠道、全方位多层面的学科交叉应用，积极向产业界宣传科技成果，热心向科技界推荐最新产品。
正式出版
收录年代

    面向人体骨骼运动数据优化的双自编码器网络

    李书杰朱海生王磊刘晓平...
    1277-1289页
    查看更多>>摘要：目的 针对包含混合噪声的3维坐标形式的骨骼运动数据优化问题,提出一种由双向循环自编码器和卷积自编码器串联构成的优化网络,其中双向循环自编码器用于使网络输出的优化数据具有更高的位置精度,卷积自编码器用于使优化数据具有更好的平滑性.方法 首先,利用高精度动捕数据库预训练一个感知自编码器;然后,用"噪声—高精度"数据对训练双自编码器,并在训练过程中添加隐变量约束.其中隐变量约束由预训练的感知自编码器返回,其作用在于能够使网络输出保持较高的精度并具有合理骨骼结构,使算法适用于提升运动数据的细节层次.结果 实验分别在合成噪声数据集和真实噪声数据集上进行,与最新的卷积自编码器(convolutional auto-encoder,CAE)、双向循环自编码器(bidirectional recurrent auto-encoder,BRA)以及双向循环自编码器加感知约束(BRA with perceptual constraint,BRA-P)3种深度学习方法进行比较,在位置误差、骨骼长度误差和平滑性误差3项量化指标上,本文方法的优化结果与最新的3种方法在合成噪声数据集上相比,分别提高了33.1％、25.5％、12.2％;在真实噪声数据集上分别提高了27.2％、39.2％、16.8％.结论 本文提出的双自编码器优化网络综合了两种自编码器的优点,使网络输出的优化数据具有更高的数据精度和更好的平滑性,且能够较好地保持运动数据的骨骼结构.

    深度学习骨骼运动数据优化双自编码器隐变量约束Kinect运动数据

      原文链接:
    • NETL
    • NSTL
    • 万方数据
    • 维普

    采用蒸馏训练的时空图卷积动作识别融合模型

    杨清山穆太江
    1290-1301页
    查看更多>>摘要：目的 基于深度学习的动作识别方法识别准确率显著提升,但仍然存在很多挑战和困难.现行方法在一些训练数据大、分类类别多的数据集以及实际应用中鲁棒性较差,而且许多方法使用的模型参数量较大、计算复杂,提高模型准确度和鲁棒性的同时对模型进行轻量化仍然是一个重要的研究方向.为此,提出了一种基于知识蒸馏的轻量化时空图卷积动作识别融合模型.方法 改进最新的时空卷积网络,利用分组卷积等设计参数量较少的时空卷积子模型;为了训练该模型,选取两个现有的基于全卷积的模型作为教师模型在数据集上训练,在得到训练好的教师模型后,再利用知识蒸馏的方法结合数据增强技术训练参数量较少的时空卷积子模型;利用线性融合的方法将知识蒸馏训练得到的子模型融合得到最终的融合模型.结果 在广泛使用的NTU RGB+D数据集上与前沿的多种方法进行了比较,在CS(cross-subject)和CV(cross-view)两种评估标准下,本文模型的准确率分别为90.9％和96.5％,与教师模型2s-AGCN(two-stream adaptive graph convolutional networks for skeleton-based action)相比,分别提高了2.4％和1.4％;与教师模型DGNN(directed graph neural network)相比,分别提高了1.0％和0.4％;与MS-AAGCN(multi-stream attention-enhanced adaptive graph convolutional neural network)模型相比,分别提高了0.9％ 和0.3％.结论 本文提出的融合模型,综合了知识蒸馏、数据增强技术和模型融合的优点,使动作识别更加准确和鲁棒.

    动作识别知识蒸馏深度学习融合模型图卷积

      原文链接:
    • NETL
    • NSTL
    • 万方数据
    • 维普

    面向时变体数据的特征可视化方法

    刘力
    1302-1313页
    查看更多>>摘要：目的 自然界中的大部分现象本质上都是在空间上随时间的流逝不断发展变化的物理或化学过程,可以表述为含有时间变量的数据场,这些数据场称为时变体数据.随着科学计算技术、计算机仿真技术以及现代观测技术的发展,能够以前所未有的精度对自然现象进行仿真或者观测,但同时也面临时变体数据体积大、时间长以及变量数目多的难题.为了更有效地显示时变体数据并挖掘数据中的关键信息,针对时变体数据的可视化,本文提出一种基于数据特征的方法,用于探索时变体数据中感兴趣区域(即特征)的特点与变化.方法 通过将特征提取、特征跟踪、运动检测和提出的3种特征可视化方法(数据帧特征可视化、单个运动过程特征可视化和空间多运动过程特征可视化)置于同一个框架之中,提供一种从时间域和空间域探索多变量时变体数据的一站式解决方案,并突出时变体数据的动力学特性.结果 本文方法在4组不同的时变体数据上应用,对数据中特征各变量的变化以及感兴趣的运动进行了特征可视化.结论 实验结果显示本文方法能以较小的时间成本有效显示数据中的特征以及用户定义的运动,方法的有效性与实用性得到了验证.

    时变体数据特征可视化特征跟踪运动检测交互式可视化

      原文链接:
    • NETL
    • NSTL
    • 万方数据
    • 维普

    带法向约束的隐式T样条曲线重构

    任浩杰寿华好莫佳慧张航...
    1314-1321页
    查看更多>>摘要：目的 隐式曲线能够描述复杂的几何形状和拓扑结构,而传统的隐式B样条曲线的控制网格需要大量多余的控制点满足拓扑约束.有些情况下,获取的数据点不仅包含坐标信息,还包含相应的法向约束条件.针对这个问题,提出了一种带法向约束的隐式T样条曲线重建算法.方法 结合曲率自适应地调整采样点的疏密,利用二叉树及其细分过程从散乱数据点集构造2维T网格;基于隐式T样条函数提出了一种有效的曲线拟合模型.通过加入偏移数据点和光滑项消除额外零水平集,同时加入法向项减小曲线的法向误差,并依据最优化原理将问题转化为线性方程组求解得到控制系数,从而实现隐式曲线的重构.在误差较大的区域进行T网格局部细分,提高重建隐式曲线的精度.结果 实验在3个数据集上与两种方法进行比较,实验结果表明,本文算法的法向误差显著减小,法向平均误差由10-3数量级缩小为10-4数量级,法向最大误差由10-2数量级缩小为10-3数量级.在重构曲线质量上,消除了额外零水平集.与隐式B样条控制网格相比,3个数据集的T网格的控制点数量只有B样条网格的55.88％、39.80％和47.06％.结论 本文算法能在保证数据点精度的前提下,有效降低法向误差,消除了额外的零水平集.与隐式B样条曲线相比,本文方法减少了控制系数的数量,提高了运算速度.

    离散数据隐式曲线T样条曲线重建法向约束

      原文链接:
    • NETL
    • NSTL
    • 万方数据
    • 维普

    观看经度联合加权全景图显著性检测算法

    孙耀陈纯毅胡小娟李凌...
    1322-1334页
    查看更多>>摘要：目的 目前针对全景图显著性检测的研究已经取得了一定成果,但在全景图像的位置特性问题中,大都仅探讨了纬度对全景图显著性检测的影响.而人们观看全景图像时,因视角有限,不同经度位置的显著性也有很大差异,从而导致预测的显著区域往往不够精确.为此本文以全景图的经度位置特性为出发点,提出基于观看经度联合加权的全景图显著性检测算法.方法 使用空间显著性预测网络得到初步的显著性图像,使用赤道偏倚进行预处理以改善不同纬度位置的显著性检测效果.接着对显著性图像进行注视点经度加权,将观察者观看全景图的行为习惯与显著性图像相结合.之后对全景图进行双立方体投影与分割,提取全景图的亮度与深度特征,进而计算不同视口经度权重.经过两次加权,得到最终的显著性图像.结果 在Salient360!挑战大赛提供的数据集上与其他几种算法进行了实验比较.结果 显示,本文算法能得到很好的显著性检测结果.在对本文算法的通用性能的测试中,在标准化扫描路径显著性、相关系数、相似度与相对熵指标上分别达到了1.9793、0.8062、0.7095和0.3239,均优于其他算法.结论 提出的全景图显著性检测算法解决了以往全景图显著性检测中不同经度位置检测结果不够准确的问题.

    显著性检测全景图注视点经度加权双立方体投影不同视口经度加权

      原文链接:
    • NETL
    • NSTL
    • 万方数据
    • 维普