GeodesicPSIM：基于测地块相似度的带纹理映射静态网格质量预测
计算机视觉与模式识别
2024-11-13 v3
摘要
带纹理映射的静态网格在工业制造与学术研究均受广泛关注，催生对高效稳健客观质量评价的迫切需求。然而，当前基于模型的静态网格质量指标有明显局限：多数仅考虑几何信息而忽略颜色信息，且对网格几何拓扑有严格约束。其他如基于图像与基于点的指标易受热处理算法（如投影与采样）影响，妨碍其发挥最佳性能。本文提出 Geodesic Patch Similarity (GeodesicPSIM)，一种新颖的基于模型的指标，用于精确预测静态网格的人类感知质量。在选取一组关键点后，基于经有效网格清洗算法清洗的参考与失真网格构建 1-hop 测地块。两步块裁剪算法与块纹理映射模块精炼 1-hop 测地块尺寸并建立网格几何与颜色信息间关联，生成 1-hop 带纹理测地块。提取三类特征量化失真：块颜色平滑度、块离散平均曲率、块像素颜色均值与方差。据我们所知，GeodesicPSIM 是首个专为带纹理映射静态网格设计的基于模型的指标。在新构建且具挑战性的数据库上，GeodesicPSIM 相较基于图像、基于点及基于视频的指标均达 SOTA 性能。我们还通过引入不同超参设置证明 GeodesicPSIM 的鲁棒性。消融研究亦展示所提三类特征与块裁剪算法的有效性。
引用
@article{arxiv.2308.04928,
title = {GeodesicPSIM: Predicting the Quality of Static Mesh with Texture Map via Geodesic Patch Similarity},
author = {Qi Yang and Joel Jung and Xiaozhong Xu and Shan Liu},
journal= {arXiv preprint arXiv:2308.04928},
year = {2024}
}