曾 升,周蓬勃,周明全,

(1.西北大学 文化遗产数字化国家地方联合工程研究中心，陕西 西安 710127；2.西北大学 信息科学与技术学院,陕西 西安 710127;3.北京师范大学 教育部虚拟现实应用工程研究中心，北京 100875)

3D模型的数量增长十分迅速,从不同视角的2D图像中开发算法来识别3D模型十分流行。人类观察世界获取某一个视角的画面,再由多个角度的视图达到对物体的全面认识,从所有视角看到的三维模型是相似的,则三维模型是相似的思想广泛应用于计算机视觉领域。本文针对到底怎样的视角组合会更加有效地识别3D模型,提出多层级视点描述符识别三维模型,并为3D模型提供了一组最优的二维视图选择。

3D形状的识别经常使用三维模型全局[1-5]或局部特征描述符[6-10]，不同特征描述符的使用及算法的设计对三维重建、三维模型的检索等应用影响非常大,优异的特征描述符有益于推动计算机视觉应用的发展,比如,得益于SIFT[11]特征对3D视点各种变换都持一定程度的稳定性,能够从多张照片有效重建三维模型[12],也是3D模型检索的理想属性[13]。而深度学习能够更加“自动”地提取特征,在特征提取及实时运行方面都有着极大的优势,从而出现大量优秀的算法[14-19]。然而,并不意味着手工描述符就不再有用,在基于草图的三维模型检索中,手工设计的3D-SIFT[20]被用来提取3D模型部分的特征,草图部分用预训练的AlexNet提取特征,深度相关度量学习方法(deep correlated metric leaning,DCML)有效建立了易于人类理解的草图和三维模型这两种不同模式数据间的桥梁[21]。……