-
公开(公告)号:CN111460741A
公开(公告)日:2020-07-28
申请号:CN202010241300.4
申请日:2020-03-30
Applicant: 北京工业大学
IPC: G06F30/28 , G06T13/60 , G06F113/08 , G06F111/04 , G06F119/14
Abstract: 一种基于数据驱动的流体模拟方法,其较准确地匹配了两个流体的表面,同时避免了误差的不断积累,能够更好地恢复流体表面之间的动作,能获得更自然的流体表面,在自动匹配和获得适定的对应关系方面均比用户参与的配准方法以及第三方数据点的方法更好。该方法包括:(1)通过两组不同的设置参数生成两个流体序列,然后转化成两组时空流体表面φ1和φ2作为输入数据;(2)进行流体动态模型的配准,添加基于L0范数的光滑约束条件,通过限制变形场中所包含的非零梯度的数量实现变形场的光滑化处理;(3)进行变形的对齐,通过残差迭代以及分辨率的分层逐渐优化;(4)进行表面投影;(5)进行插值运算并输出结果。
-
公开(公告)号:CN110298909A
公开(公告)日:2019-10-01
申请号:CN201910575773.5
申请日:2019-06-28
Applicant: 北京工业大学
Abstract: 一种基于三维元胞自动机的风化现象模拟方法,其简化了风化计算方法,在效率上得到显著提升,适用于实时性要求高的情况。该方法的整体框架包括:体素化器、基于三维元胞自动机模型的风化计算器和着色器;输入数据为三角形网格及环境参数,输出为具有风化效果的三角形网格模型;该方法包括:(1)将输入的三角形网格模型体素化;(2)基于元胞自动机模型,根据生物风化过程中生物的生长扩散规律和环境影响参数,模拟自然界环境因素对生物生长的影响规律;(3)将体素单元存储的风化进度信息传递给三角形网格顶点后,通过游戏引擎提供的着色器实现网格信息和相应纹理贴图的逐顶点映射,经视觉效果优化后渲染出风化后的网格模型。
-
-
公开(公告)号:CN102930573B
公开(公告)日:2016-05-18
申请号:CN201210433389.X
申请日:2012-11-02
Applicant: 北京工业大学
IPC: G06T11/00
Abstract: 本发明公开一种更能反映图像空间特性、重建效果好的基于二维分析稀疏模型及其训练字典的图像重建方法,包括:(1)构造训练样本集;(2)构造并训练第一个方向的字典;(3)构造并训练第二个方向的字典;(4)求解原稀疏求解中的字典Ω0,以便进行一维分析稀疏重建;(5)利用Ω0和一维分析稀疏重建方法求解重建值;(6)对重建值进行反操作,得到对应于N个图像块的重建值,从而得到重建图像。
-
-
公开(公告)号:CN102625126A
公开(公告)日:2012-08-01
申请号:CN201210078435.9
申请日:2012-03-22
Applicant: 北京工业大学
Abstract: 一种基于预测的三维网格编码方法,其在预测法向量纹理图像时,充分考虑了几何图像和法向量纹理图像之间以及法向量纹理图像三个分量之间的相关性,所预测的法向量图像的质量更高,从而使得预测残差更小,更便于编码传输,并且使得解码后的法向量纹理图像的质量得到了极大的提高,重构的三维网格模型的真实感效果提升,使用户得到更好的视觉体验。
-
公开(公告)号:CN112884645B
公开(公告)日:2024-05-03
申请号:CN202110063571.X
申请日:2021-01-18
Applicant: 北京工业大学
IPC: G06T3/4076
Abstract: 基于张量稀疏约束的光场填充方法及装置,避免向量化、引入超分辨率重建技术使光场内部的相关特性被最大程度地利用,得到客观表现良好的填充光场,给用户更好的视觉体验。方法包括:(I)对丢失部分信息的光场进行滑窗采样、搜索相似块并堆叠,利用基于张量稀疏约束的光场填充模型填充得到的五维张量,再将其中的图像块分别置回光场原始索引处,得到填充的光场;(II)对(I)中得到的光场、与对前者进行超分辨率重建得到的高分辨率光场都进行滑窗采样;将后者得到的图像块投影为前者相同大小的块,相似度排序得到由两者组成的五维张量,对其使用基于张量稀疏约束的光场填充模型填充,将其中原始大小的图像块置回原始索引处,得到填充的光场。
-
公开(公告)号:CN116597112A
公开(公告)日:2023-08-15
申请号:CN202310400126.7
申请日:2023-04-13
Applicant: 北京工业大学
IPC: G06T17/20 , G06T15/00 , G06N3/0464 , G06N3/042
Abstract: 基于几何先验网络的三维重建方法及装置,采用一个具有几何知识的数据驱动型深度神经网络,使用从粗到细的策略重建三维网格,为了丰富重建结果的几何细节,引入高斯曲率并设计实现了高斯曲率损失作为几何监督,来测量重建网格和目标网格在几何属性上的相似性,为了生成物理上精确的三维网格,设计实现了网格细分模块,该模块利用Loop细分算法将网格细化为光滑曲面的分段线性近似,并通过融合顶点自身及其相邻顶点的特征来更新顶点特征,因此本发明能够帮助网格获得丰富的几何细节,从而提高重建的精度,有助于改善粗糙表面,使得重建的模型在主观上表现更好。
-
公开(公告)号:CN116128747A
公开(公告)日:2023-05-16
申请号:CN202211582251.6
申请日:2022-12-08
Applicant: 北京工业大学
IPC: G06T5/00 , G06V10/30 , G06V10/74 , G06V10/762
Abstract: 公开了基于结构化张量稀疏模型的多光谱图像去噪方法及装置,结构化张量稀疏模型基于张量稀疏表示,集成非局部中心化张量稀疏约束。该模型能够稀疏地表示组域中的多维信号,在统一的框架中同时实现多维信号的局部内在张量稀疏正则化和非局部相似性。从一组张量中学习正交字典,以生成这一组张量所属空间的基底,而不是分解每个张量,可以减少字典原子的数量。利用数据的统计特性自适应的确定了折衷参数,设计一种有效的算法来解决所提出的模型的优化问题。因此,能够利用全频带图像块组之间的结构相似性,集成非局部中心化张量稀疏约束,能够稀疏地表示组域中的多维信号,在统一的框架中同时实现多维信号的局部内在张量稀疏正则化和非局部相似性。
-
-
-
-
-
-
-
-