基于视点对齐的跨域三维模型检索

摘要

以草图为输入的三维模型检索便于用户表达搜索需求，已成为一个研究热点。但草图只是三维模型一个视点下的粗略描述，具有很高的抽象性。而且草图和三维模型之间存在巨大的域间差异，这导致目前的草图检索系统准确率低。为解决这一问题，提出了一个新的基于草图的三维模型检索方法。该方法根据草图的视点对三维模型投影产生一组二维视图，形成一对多且视点对齐的草图视图训练数据对。然后采用Canny算子提取视图的多层次伪草图，减小视图和草图的域差异，并采用样本选择和数据增强缓解训练数据不均衡的问题。接下来用伪草图和草图训练三元组网络（triplet network）,将伪草图和草图映射到公共特征嵌入空间。最后用Triplet提取特征和建立索引，实现草图检索。实验结果表明：在大型公共数据集SHREC’13和SHREC’14的检索精度分别是70.0%和63.6%,有效提高了检索准确率。