基于隨機近鄰嵌入的三維形體等距形變.pdf_第1頁
已閱讀1頁,還剩82頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、三維形體研究已經經歷了數十年的發(fā)展,并取得了豐碩的成果,為諸如三維游戲、醫(yī)療研究、三維打印、虛擬現實研究、分子生物學研究、等諸多領域提供了方便。但是對于復雜的非剛性形體的研究仍然具有一定的挑戰(zhàn)性。非剛性形體具有相同內部幾何結構,并且認為形體所有的形變姿態(tài)是等距的。因此我們用內部距離來描述這種等距幾何關系。三維形體的內部距離是任意兩點三維形體內部的最短路徑的長度,具有等距不變性。隨機近鄰嵌入算法是一種利用概率工具來度量其相似性程度的流行嵌

2、入算法。這種流行嵌入的方法應用到三維形體上,用內部距離取代原始數據空間的歐式距離,對三維形體的進行等距形變得到“標準型”。利用“標準型”,現有的剛性形體相關技術就能得到直接應用。本文的展開主要圍繞以下幾個方面:
  首先,本文詳細介紹了隨機近鄰嵌入算法SNE、t-SNE、探討了基于柯西分布的隨機近鄰嵌入算法 Ca-tSNE,嘗試基于對稱 KL散度的隨機近鄰嵌入算法SKL-tSNE。接著,詳細介紹三維形體距離特征的提取,包括基于體素

3、的三維內部距離計算和特征關鍵點的提取。然后將隨機近鄰嵌入算法應用在三維等距形變上,進行定性和定量的對比分析,通過實驗效果驗證各算法在三維形體等距形變中的有效性和優(yōu)勢。本文主要是在TOSCA圖形庫、以及SHREC07圖形庫上做了大量的形體等距形變研究實驗。發(fā)現基于內部距離的t-SNE算法在三維等距形變中取得了很好的效果;基于柯西分布的隨機近鄰嵌入算法Ca-tSNE則可以靈活的面對各種三維模型,選擇合適的尺度參數?,可以得到最優(yōu)的形變效果。

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論