基于自适应多类中心和半异构网络的三维模型草图检索

草图具有易于构建且不受语言、专业、年龄限制等优势,基于手绘草图的三维模型检索受到越来越多的关注.然而在三维模型草图检索任务中,三维模型具有复杂性,草图具有类内多样性,同时三维模型与草图之间又具有巨大的域间差异性,这些特点的相互作用严重影响检索的准确性.针对以上问题,提出了一种基于自适应多类中心和半异构网络的三维模型草图检索方法.首先,通过异构网络分别提取草图和三维模型的初始特征:设计了基于自适应多类中心的草图特征嵌入子网络以捕捉草图数据的类内多样性,采用了基于多视图特征融合的三维模型特征嵌入子网络适应三维模型的复杂性.然后,以包含丰富语义信息的语义标签为指引,构建同构网络实现草图-三维模型的跨域共享特征嵌入,缩小域间的差异性.在大型公开数据集SHREC2013和SHREC2014上的对比实验表明,该算法获得了和当前最好算法一致的检索性能.