基于相似性学习的三维模型最优视图选择算法

作者：刘志 冯毅攀 潘翔 徐彩虹三维模型视图选择相似性学习最优视图样例

摘要：针对已有最优视图度量难以适用于不同类型的三维模型，提出基于用户知识、在模型库中为各类模型建立最优视图样例，并在此基础上进行相似性学习，根据相似性度量获得输入模型最优视图的选择算法．首先采用AclaBoost算法对输入三维模型形状特征进行相似性学习，得到该模型的最优视图样例；然后将输入模型从不同视点得到的渲染视图和最优视图样例进行形状相似性分析，以相似度最高者作为输入模型的最优视图．实验结果表明，采用文中算法得到的最优视图不仅可以有效地逼近用户选择结果，而且具有较好的稳定性．

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社