Система поиска 3D-контента — это компьютерная система для просмотра, поиска и извлечения трехмерного цифрового контента (например, автоматизированного проектирования , моделей молекулярной биологии и 3D-сцен культурного наследия и т. д.) из большой базы данных цифровых изображений. Самый оригинальный способ поиска 3D-контента использует методы добавления текста описания к файлам 3D-контента, таким как имя файла контента, текст ссылки и заголовок веб-страницы, чтобы связанный 3D-контент можно было найти с помощью текстового поиска. Из-за неэффективности ручного аннотирования 3D-файлов исследователи изучили способы автоматизации процесса аннотирования и предоставления единого стандарта для создания текстовых описаний для 3D-контента. Более того, увеличение объема 3D-контента потребовало и вдохновило на более продвинутые способы извлечения 3D-информации. Таким образом, методы сопоставления форм для извлечения 3D-контента стали популярными. Извлечение сопоставления форм основано на методах, которые сравнивают и сопоставляют сходства между 3D-моделями.
Выведите высокоуровневое описание (например, скелет), а затем найдите соответствующие результаты.
Этот метод описывает 3D-модели с помощью скелета. Скелет кодирует геометрическую и топологическую информацию в форме скелетного графа и использует методы сопоставления графов для сопоставления скелетов и их сравнения. [1] Однако этот метод требует 2-многообразной входной модели, и он очень чувствителен к шуму и деталям. Многие из существующих 3D-моделей созданы для визуализации, при этом не отвечая стандарту качества входных данных для скелетного метода. Метод скелетного 3D-извлечения требует больше времени и усилий, прежде чем его можно будет широко использовать.
Вычислить вектор признаков на основе статистики
В отличие от моделирования скелета, которое требует высокого стандарта качества для входного источника, статистические методы не накладывают ограничений на действительность входного источника. Гистограммы формы , векторы признаков, составленные из глобальных геометрических свойств, таких как округлость и эксцентриситет, и векторы признаков, созданные с использованием частотного разложения сферических функций, являются распространенными примерами использования статистических методов для описания трехмерной информации. [2]
Метод 2D проекции
Некоторые подходы используют 2D-проекции 3D-модели, что оправдывается предположением, что если два объекта похожи в 3D, то они должны иметь похожие 2D-проекции во многих направлениях. Prototypical Views [3] и Light field description [4] являются хорошими примерами методов 2D-проекции.
В Университете Пердью исследователи под руководством профессора Картика Рамани из Научно-образовательного центра информации создали 3D-поисковик под названием 3D Engineering Search System (3DESS). Он предназначен для поиска инженерных деталей, созданных с помощью компьютера.
Механизм, лежащий в основе этой поисковой системы, заключается в том, что она начинается с алгоритма, который может преобразовывать рисунок запроса в воксели , затем извлекает наиболее важную информацию о форме из вокселей с помощью другого алгоритма, называемого прореживанием, и формулирует скелет контуров и топологии объекта . После этого 3DESS разработает скелетный граф для визуализации скелета, используя три общих топологических конструкции: петли, ребра и узлы. Обработанный общий граф конструкций может сократить объем данных для представления объекта, и его легче хранить и индексировать в базе данных. [5]
По словам ведущего профессора, 3DESS также может описывать объекты с помощью векторов признаков, таких как объем, площадь поверхности и т. д. Система обрабатывает запросы, сравнивая их векторы признаков или скелетные графики с данными, хранящимися в базе данных. Когда система извлекает модели в ответ на запрос, пользователи могут выбрать любой объект, который больше похож на то, что они хотят, и оставить отзыв.
Проблемы, связанные с запросами на сходство на основе трехмерных фигур
С методом скелетного моделирования 3D-поиска очень сложно найти эффективный способ индексации дескрипторов 3D-форм, поскольку индексация 3D-форм имеет очень строгие критерии. 3D-модели должны быстро вычисляться, быть лаконичными для хранения, простыми для индексации, инвариантными относительно преобразований подобия, нечувствительными к шуму и небольшим дополнительным признакам, устойчивыми к произвольным топологическим вырождениям и различать различия форм во многих масштабах.
3D-поиск и извлечение с мультимодальной поддержкой задач
Чтобы сделать интерфейс 3D-поиска достаточно простым для начинающих пользователей, которые мало знают о требованиях к источникам ввода для 3D-поиска, необходима мультимодальная система поиска, которая может принимать различные типы источников ввода и предоставлять надежные результаты запроса. До сих пор было предложено только несколько подходов. В работе Funkhouser et al. (2003), [6] предложенная «поисковая система Princeton 3D» поддерживает 2D-эскизы, 3D-эскизы, 3D-модели и текст в качестве запросов. В работе Chen et al. (2003), [7] он разработал систему 3D-поиска, которая принимает 2D-эскизы и извлекает 3D-объекты. Недавно Ansary et al. (2007) [8] предложили структуру 3D-поиска, использующую 2D-фотографические изображения, эскизы и 3D-модели.