基于多核学习的快速网格分割算法

第27卷第11期计算机辅助设计与图形学学报Vol. 27 No.11 2015年11月Journal of Computer-Aided Design & Computer Graphics Nov. 2015基于多核学习的快速网格分割算法

施逸飞1), 熊岳山1), 谢智歌1), 徐凯1, 2)

1) (国防科学技术大学计算机学院长沙 410073)

2) (中国科学院深圳先进技术研究院深圳 518055)

(jerrysyf@https://www.360docs.net/doc/f86352177.html,)

摘要: 网格分割是三维几何分析的重要问题之一, 它不仅在传统的建模、渲染等方面起到关键作用, 同时也是高层次几何分析的基础性工作. 文中提出一种基于多核学习(multiple kernel learning)的快速网格分割算法. 多核学习使用多个核函数的组合代替单一核函数, 能够解决网格分割特征多样性和异构性的问题. 给定一组同类别带分割标签的网格模型, 算法首先对网格进行过分割处理, 将三角面片转化为超面片(super-face), 然后使用多核超限学习机训练分割分类器, 最后用该分割分类器对未分割的网格进行分割. 过分割处理能够减少训练样本数量, 进而提高计算效率; 多核学习使分类器能够有效地发现数据间的关系, 使其具有更强大的学习能力. 实验表明, 文中算法不仅计算精度高, 并且能够满足网格分割“实时学习”的计算要求.

关键词：几何分析; 网格分割; 多核学习; 超限学习机

中图法分类号：TP391.41

Fast Mesh Segmentation Based on Multiple Kernel Learning

Shi Yifei1), Xiong Yueshan1), Xie Zhige1), and Xu Kai1, 2)

1) (School of Computer, National University of Defense Technology, Changsha 410073)

2) (Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, Shenzhen 518055)

Abstract: Mesh segmentation is one of the most important problems in 3D geometry analysis. It not only plays an essential role in traditional areas such as modeling and rendering, but also is a foundation of high-level geometry understanding. This paper presents a fast 3D mesh segmentation algorithm based on Multiple Kernel Learning. The Multiple Kernel Learning method deals with the diversity of features in mesh segmentation by using a combination of kernels instead of a specified kernel. Given a set of well-segmented meshes of a cate-gory, the algorithm first over-segments the meshes, then trains a classifier using Multiple Kernel Learning. Af-ter that, the classifier is used to segment other un-segmented meshes. In the algorithm procedure, over seg-mentation reduced the number of training samples, and Multiple Kernel Learning enhanced the ability to reveal the relationships among the data. Results show our algorithm not only outperforms the state-of-the-art mesh segmentation method, but also maintain a high computational speed, which makes it suitable for real-time segmentation learning.

Key words: geometry analysis; mesh segmentation; multiple kernel learning; extreme learning machine

收稿日期：2015-09-21; 修回日期：2015-10-14. 基金项目：国家自然科学基金(61379103, 61232011). 施逸飞(1991—), 男, 博士研究生, 主要研究方向为场景理解、几何处理; 熊岳山(1963—), 男, 博士, 教授, 博士生导师, 主要研究方向为计算机图形学、数值分析; 谢智歌(1984—), 男, 博士研究生, 主要研究方向为计算机图形学、机器学习; 徐凯(1982—), 男, 博士, 助理研究员, CCF会员, 主要研究方向为形状分析、几何处理.