本技术涉及三维模型检索技术领域,提供一种基于多环视图和隐类挖掘的三维模型检索方法。本发明通过选取数据集,以数据集中的三维模型为中心配置一个虚拟相机,虚拟相机围绕Y轴等角度旋转及再沿着Z轴等距位移并拍摄,共同生成多环视图;多环视图经过多环视图特征学习网络学习处理后,得到三维模型表示;数据集中的草图通过细粒度草图聚类网络处理,将草图的特征与三维模型的特征对齐,得到三维模型检索结果。根据本发明的方案,多环视图特征学习网络的增强技术可以从多个角度捕捉三维模型的特征,以增强模型对三维形状的理解,更准确地识别和匹配草图中的三维模型;并且细粒度草图聚类网络的隐类挖掘技术,进一步提升草图检索三维模型的性能。
背景技术
在数字化时代背景下,三维模型因其丰富的信息表达能力而成为关键的信息载体,并随着三维建模技术的迅猛进步,使得创建三维模型变得更加便捷。面对激增的三维模型数量,如何高效、精确地检索出用户所需的特定模型,成为了一个迫切需要解决的问题。基于草图的三维模型检索技术应运而生,它允许用户通过简单的手绘草图,随时随地快速定位和检索目标模型。
基于草图的三维模型检索技术经历了从手工特征提取到深度学习的转变。早期研究依赖手工特征,效率低下;然后应用深度学习,通过孪生网络处理跨域问题,但因忽视三维模型的立体性而受限;随后提出基于整体度量学习的方法,利用鉴别性和相关性损失提升性能,但训练过程较为复杂。近年来通过知识蒸馏模型和跨域指导训练,显著提高了基于草图的三维模型检索性能,然而该领域仍面临挑战,如草图与三维模型间的语义差异、草图的抽象性以及视图特征重要性的差异。
在三维模型的二维视图生成及基于草图的检索领域,现有方法面临一些挑战。首先,草图与三维对象之间的模态差异造成了显著的域鸿沟,这对特征的提取和匹配构成了障碍,再而三维模型投影成二维视图的视角有限,导致二维视图对表达三维模型有一定的局限性。
实现思路