通过视图锥采样与流形扩散实现VR中鲁棒网格显著性真值获取
计算机视觉与模式识别
2026-04-09 v2 多媒体
摘要
随着3D数字内容呈指数级增长，理解人类视觉注意力对于优化渲染和处理资源至关重要。因此，可靠的3D网格显著性真值（GT）是人类中心视觉建模在虚拟现实（VR）中的关键。然而，现有VR眼动跟踪框架在底层获取和生成机制上存在根本性瓶颈。依赖零面积单射线采样（SRS）无法捕获上下文特征，导致严重的纹理别名和不连续的显著性信号。常规的欧几里得平滑处理会在物理不相连的间隙中扩散显著性，导致复杂3D流形上的语义混淆。本文提出一种解决这些限制的鲁棒框架。我们首先引入视图锥采样（VCS）策略，通过高斯分布射线束模拟人类复眼感受野，以提高复杂拓扑结构的采样鲁棒性。进一步发展一种混合流形-欧几里得约束扩散（HCD）算法，将流形测地约束与欧几里得尺度融合，确保拓扑一致的显著性扩散。我们通过主观实验和定性定量方法展示了相对于基线方法的性能提升以及对下游任务的益处。通过缓解“拓扑短路”和别名问题，本框架提供了一种符合自然人类感知的高保真3D注意力获取范式，为3D网格显著性研究提供了更准确和稳健的基线。
引用
@article{arxiv.2601.02721,
title = {Robust Mesh Saliency Ground Truth Acquisition in VR via View Cone Sampling and Manifold Diffusion},
author = {Guoquan Zheng and Jie Hao and Huiyu Duan and Long Tang and Shuo Yang and Yucheng Zhu and Yongming Han and Liang Yuan and Patrick Le Callet and Guangtao Zhai},
journal= {arXiv preprint arXiv:2601.02721},
year = {2026}
}