三維模型閱讀總結

聲明

1檢索系統(tǒng)概述

一個典型的3D模型檢索系統(tǒng)由三個子模塊構成，模型表示、用戶需求的表示和匹配算法。檢索效率決定于這三個子模塊共同工作的性能。

（1）模型表示

模型表示時，需考慮兩個問題：一是盡可能簡單地和查詢要求相匹配；能正確表示用戶需求。（2）用戶需求的表示

這涉及到將用戶的需求信息轉換成能正確地表達用戶查詢意圖和適合于匹配算法的形式。這將會遇到兩個問題:用戶需求信息和用于查詢的請求之間的不一致；查詢必須表達成系統(tǒng)中匹配算法能夠理解的形式。（3）匹配算法

從特征等級來看，CBIR可以分為三個層次：，primary,structural,semantic。

西安交通大學博士學位論文

1聲明

ColumbiaUniversity.Webseek:Content-basedimageandvideosearchandcatalogtoolfortheweb.:8008/,February201*

PennState/StandfordUniversity.Simplicity:Semantics-sensitiveintegratedmatchingforpicturelibraries.,February201*UniversityofGeneva.Theviperproject.

unige.ch/research/cbir.html,February201*.

[36]SchoolofMathematicalandUniversityofStAndrewsComputationalSciences.Moredefinitionsforassociatedcurves.-groups.dcs.st-and.ac.uk/history/Curves/Definitions2.html,February201*.

[37]UniversityofTexasatAustin.Cires:Contentbasedimageretrievalsystem.qasim/research.htm,February201*.

開發(fā)了一個系統(tǒng)，并在這個系統(tǒng)框架中研究了特征提取方法，距離測量，索引策略，學習算法和相關反饋等問題。具體包括以下方面：1．選擇表達模型視覺內容的最佳特征2．為對應的特征選擇相似性測量方法

3．設計多維索引策略：用聚類算法減少特征的維度

4．設計外部學習算法，該算法用相關反饋的方法提高系統(tǒng)性能5．設計顯示更新策略，主要貢獻：

1．提出并實現(xiàn)了兩種應用相關反饋的檢索策略

2．測試了不同的視覺特征和相似度測量方法的組合，尋找了一種最佳的符合人類視覺的特征和測量方法的組合

3．應用聚類實現(xiàn)了一種新的多維索引方法

4．提出一種新的聚類算法，并展示了應用相關反饋信息進行更新的策略5．實現(xiàn)了系統(tǒng)框架

背景一章先介紹系統(tǒng)框架，每個系統(tǒng)組成部分介紹，設計系統(tǒng)需考慮的問題和每個

西安交通大學博士學位論文

問題可能的解決方案，提出本文要解決的問題。

1.1High-dimensionalpatternanalysisinmultimediainformationretrieval

andbioinformatics.pdf

介紹檢索系統(tǒng)中機器學習方法的應用，特征選擇和學習方法，以介紹方法為主，在檢索系統(tǒng)中的應用為輔，比較適合本論文的思路。可鑒戒寫法。介紹：

基于學習的檢索系統(tǒng)應關注的幾個問題：維度高、訓練數(shù)據(jù)少、

1.2Improvinghigh-dimensionalindexingforcontent-basedimage

retrieval.pdf

本文介紹了檢索系統(tǒng)中相關問題的數(shù)學描述，多種特征提取方法和距離計算方法，總結了索引方法，并提出改進，廣泛地對多種特征提取方法和距離計算方法以及索引方法進行了比較研究。聚類索引介紹？

1.3Improvingtheperformanceofcontent-basedimageretrieval

systems.pdf1.4Informationretrievalandmininginhighdimensionaldatabases.pdf

生物學上DNA分子的結構分析就屬于3D模型分析。下載工具箱~discdb

基于內容的檢索系統(tǒng)涉及到的問題：數(shù)據(jù)管理系統(tǒng)、模式識別、信息獲取方面（相關反饋、查詢處理、相似性判斷）基于內容的檢索系統(tǒng)的結構研究問題

多種檢索方法中語義檢索是最高級別的，要實現(xiàn)語義檢索，通常有兩種方式，一是通過人工標示，這種方法缺陷是工作量大和人工語義標示的不一致性；另一種方法是通過相關反饋的方法不斷學習以實現(xiàn)語義標示，可以使用機器學習的方法。檢索系統(tǒng)中用分類方法實現(xiàn)語義分類，減少人工語義和特征表示之間的隔閡。用聚類方法實現(xiàn)高效索引，同時也可以實現(xiàn)語義分類的功能。

2論文題目：

3D模型檢索的相關技術研究

基于機器學習三維模型檢索的一些相關技術研究

1聲明

徑向基神經(jīng)網(wǎng)絡在3D模型檢索中的應用研究

隨著計算機硬件尤其是圖形掃描設備和圖形處理硬件性價比的提高,以及幾何造型軟件的普及,越來越多的三維模型在各個領域中得到了廣泛地應用。如工業(yè)產品的模型設計、虛擬現(xiàn)實、3D游戲和模擬仿真等。特別是在互聯(lián)網(wǎng)上，有大量共享的三維模型。研究和開發(fā)三維模型搜索引擎幫助用戶快速、準確地找到自己所需的三維模型，是一個迫切需要解決的問題。

以三維模型為代表的數(shù)字幾何稱為新一代媒體,在互聯(lián)網(wǎng)的背景下,三維模型的應用提出了以模型內在特征為基礎的三維模型檢索問題,這是基于內容的二維圖像檢索的新發(fā)展。

提出基于關系的軟構件分類方法。根據(jù)軟構件刻面分類法的特點改進了自組織特征映射神經(jīng)網(wǎng)絡聚類算法,以克服原有的聚類結果與輸入樣本次序有關和網(wǎng)絡結構需要預先確定的缺點。將改進后的聚類算法與刻面分類法相結合,在同一刻面下利用改進的SOM聚類算法對構件的描述信息進行分類,

擴展閱讀：用于三維引擎的模型制作總結

一、建模

1.模型

組成三維模型的基本單位是空間的頂點（vertices），點點連接形成邊，邊與邊圍成封閉的多邊形形成面。利用三維軟件建模需要很好的考慮模型各部分的拓撲結構，還有拓撲線的連續(xù)性。這樣做的好處是，后期為模型貼紋理以及做動畫的時候會減少很多錯誤的發(fā)生。模型的拓撲結構包括組成模型各個部分的父子關系，層級關系，盡量保持模型的完成性和連續(xù)性，減少不必要的模型拆分。建模時要求單個多邊形的頂點數(shù)不得超過4個，以4邊形為主，偶爾可以使用三角形。合理的細節(jié)也很重要，盡可能減少頂點的個數(shù)有利于模型的后期修改，還可以大幅減輕三維引擎渲染模型的系統(tǒng)負荷。2.材質

考慮到Unity3D等三維引擎不支持復雜的材質（如shellmateral等），在三維軟件中設定的材質應使用標準材質（standard），如果必須使用一些特效，將它們烘培（bake）成紋理貼圖。此外，更多特效在三維引擎中可以借助shader來實現(xiàn)。3.紋理貼圖

紋理貼圖大多來自于實拍照片的后處理，同一模型的貼圖盡可能的放到同一個圖片文件中，在三維軟件中通過編輯UV得到正確的貼圖映射，因為過多的貼圖文件會給三維引擎帶來很大的系統(tǒng)負荷，使得渲染效率降低，因此一定要把同一個模型的紋理貼圖盡可能的放到同一個圖片文件里。此外，使用2的冪次數(shù)為尺寸的正方形圖片較為理想。

友情提示：本文中關于《三維模型閱讀總結》給出的范例僅供您參考拓展思維使用，三維模型閱讀總結：該篇文章建議您自主創(chuàng)作。

來源：網(wǎng)絡整理 免責聲明：本文僅限學習分享，如產生版權問題，請聯(lián)系我們及時刪除。

《三維模型閱讀總結》由互聯(lián)網(wǎng)用戶整理提供,轉載分享請保留原作者信息,謝謝!
鏈接地址：http://m.hmlawpc.com/gongwen/566028.html

• 上一篇：201*年婦聯(lián)工作總結
• 下一篇：“三維數(shù)字建模大賽”活動總結