REMIL OUSSAMA博士答辩公告

教学工作

教学动态

当前位置：首页教学工作教学动态

REMIL OUSSAMA博士答辩公告

发布时间:2018-08-01浏览次数:1208作者:来源:机电学院供图:审核:

答辩博士：REMIL OUSSAMA

指导教师：汪俊教授

论文题目：数据驱动的三维形状先验在几何分析和处理中的应用

答辩委员会：

主席：庞明勇教授/博导南京师范大学

委员：郭延文教授/博导南京大学

王浩教授/博导东南大学

王雁刚教授/博导东南大学

安鲁陵教授/博导南京航空航天大学

陈文亮教授/博导南京航空航天大学

汪俊教授/博导南京航空航天大学

秘书：魏明强副教授/硕导南京航空航天大学

答辩时间：2018年08月06日14:00-17:00

地点：南航明故宫校区15#-341

学位论文简介：

近年来，随着建模软件的快速发展和廉价的三维几何扫描设备的引入，三维模型的大型数据集已经越来越多的变为数字化表达。随着这些三维模型库的不断增长，如何提供高效的算法来处理和分析它们变得越来越迫切。本文尝试解决如何从大规模三维模型数据集中分析和处理三维形状结构的难题。本文的主要目标是提出一种高效的体系来解决一些高层次的形状解析应用和几何处理任务。

主要研究工作包括：

论文首先介绍了“形状先验”的概念，它被视为从形状表面采样的点集邻域，其中包含着诸如法线和局部形状特征向量等重要信息。一个完整的三维模型可以被认为是由一组三维局部形状先验组成的，而其中大多数形状先验可能具有相似的几何结构。因此，对应的局部形状先验集合将拥有相当数量的冗余元素。因此，它们中的少数即可代表整个三维模型，甚至代表一个完整的三维模型数据集。主要观察是，从一个三维模型数据集中提取的局部形状先验通常都位于非常低维的流形中。因此，可以从中学习出稀疏且完备的先验形状子集，以有效地编码该数据集的所有形状，本文称之为“数据驱动的三维形状先验”。本文主要研究工作在于探索了三维形状先验在解决一些高层次的形状分析和几何处理任务中的应用，例如，基于点云的曲面重建，三维模型形状对应及三维模型的风格-内容分析等。

主要创新点如下：

（1）提出了一个新的曲面重建框架，利用AP聚类算法，该框架能从现有的三维模型直接学习样例形状先验，同时从属于同一类对象的原始点云中重建出高质量的三维网格模型。

（2）针对如何从一组三维模型中高效提取出最具代表性的形状先验，即稀疏形状先验，提出了一个稀疏优化算法。在该优化算法中，稀疏形状先验的搜索问题被转化为稀疏优化问题。该优化问题会强制选择最具代表性的形状先验，同时最小化重建误差，并基于增广拉格朗日乘子法求解。

（3）利用张量优化技术，提出了一个有效的框架来揭示两个非刚性形状间的稀疏对应关系。该框架采用局部约束（从特征点采样的三维形状先验）和全局约束（归一化测地线距离）来建立表示点的三元点之间相似性的相似张量。并将超图匹配问题转化为目标函数在点的所有可能排列上的最大化，并通过张量幂迭代技术求解。

（4）描述了一种针对三维模型的内容-风格分析的全自动模型生成框架。首先把形状先验的提取视作为一种内容-风格分离问题，通过对先验形状矩阵（PSM）的分析，引导获得一组内容-风格相关的形状先验。

教学工作

友情链接

微信公众号