石窟艺术作为中国历史文化遗产中的一颗璀璨明珠，承载着丰富的历史和文化信息，具有极高的历史、艺术和科学价值。中国对于石窟文物的数字化保护研究工作起始于上世纪80年代，随着社会科学技术的进步与发展，有关于石窟文物的数字化相关技术方法也在不断更新完善。然而，目前在中国石窟类文物领域，关于文物数字化的技术方法的综述性研究仍然缺乏。为了弥补这一研究空缺并为石窟文物的数字化研究工作提供帮助，根据石窟文物的数字化转化大致工作流程，收集、整理并归纳中国石窟文物的数字化技术方法相关研究论文和典型案例。对石窟文物三维数据采集技术及采集案例梳理分类，概述不同种类数字化修复方式及石窟文物数字化复制技术发展研究进展，并介绍石窟类文物在数字化展示领域的转化案例，最后探讨人工智能在文物保护领域未来应用，展望其未来发展趋势。

视频检索系统的性能很大程度上依赖标注数据，而在提高性能的同时减少对高昂手工标注的依赖是一个关键问题。为此，提出了一种基于对比学习的数据高效视频检索方法，包括2个关键的优化策略。首先，为构建更加多样且有效的学习数据，提出了基于内容感知的特征级别数据增强，利用基于帧间相似度的K-近邻算法来捕获深层语义信息，减少标注数据依赖。其次，设计了长-短动态采样策略，通过从视频中提取长片段及其内部短片段，使其能够构造具有多尺度信息的正样本对以进行更加有效的对比学习，同时通过动态调整采样长度来提高数据利用率。在SVD和UCF101数据集上的实验结果表明，该方法显著优于现有检索模型。大量消融实验证明，基于内容感知的特征级数据增强能提升模型适应性；长-短动态采样不仅适用于自监督学习，还能提升半监督模型性能。

针对神经辐射场(NeRF)在大场景下的渲染模糊、细节缺失等问题，提出了一种以体素网格特征为指导，并驱动光线采样的适用于大场景的渲染方法，可以有效提升三维模型的精度，对大场景重建尤为重要，可用于建筑设计、城市规划等多种应用场景。首先，对于重建的场景进行网格化处理，根据场景大小分配场景边界并细化体素单元。其次，对体素包含的信息进行张量分解，并提取网格化后的场景特征，NeRF将根据提取的特征进行侧重采样。最后，将采样结果传入神经网络，MLP渲染器将特征转换为色彩和密度信息，并合成各种新视角下的视图渲染结果。实验通过多种数据集验证，实验结果表明，与其他方法相比，该方法PSNR和SSIM分别平均提高了11%和12%左右，LPIPS则平均降低了15%左右，且视觉效果有明显提升。

针对稀疏视角三维重建中的挑战，尤其是高斯椭球数量不足引起的重建孔洞和精度衰减等问题，提出了一种深度约束的3D Gaussian splatting (3DGS)稀疏视角三维重建方法(DCSplat)，利用深度约束自适应的补全3DGS初始化时所需的点云，设计了一种随机结构相似性损失，实现了稀疏视角图像的快速高精质量重建。其核心在于利用提出的前馈神经网络来完善SFM过程中产生的稀疏点云。首先，通过预训练的单目深度估计网络从图像中预测深度信息。其次，利用相机参数构建投影矩阵，将稀疏点云投影到图像上，建立点云z值与深度值关联关系，进一步构建和训练图像像素深度值与点云z值映射的深度神经网络，用于优化和补全3DGS所需的点云信息。再次，为克服3DGS逐点优化损失的局限性，引入了一种随机结构相似性损失函数，该函数将对应于像素的多个高斯视为整体来处理，能够全局考虑点云结构，促进更连贯和精确的三维重建。DCSplat在LLFF, DTU和MipNeRF360标准数据集上的测试结果表明，其在关键评价指标上，包括峰值信噪比(PSNR)、结构相似性(SSIM)以及学习感知图像块相似度(LPIPS)，均达到甚至超越了现有方法的性能水平，能够有效提升重建质量。此外，该方法基于深度约束完成点云补全，从全局到局部利用深度信息优化重建质量，并在多项指标上表现出良好的性能提升，展现了一定的应用潜力。

传统中国绘画(国画)是中国特有的绘画形式，在其基础上探索配色方案的使用，对现代设计师探索传统艺术与现代设计理念融合有重要意义，但是基于国画知识的色彩推荐系统研究较少，尚未有基于主题、物象和意境等多维度特征提供有效的配色检索和推荐的方案。为此，提出一个中国画配色方案推荐系统TCPColor，以中文文本到图像生成模型太乙为基础，使用专家标注的宋代国画数据对模型进行了微调，然后对生成图像使用视觉显著性算法、K-Means聚类和基于色彩距离的色表匹配生成了具有国画风格的配色方案，通过消融实验验证了配色方案提取方法的有效性，并通过客观色彩分析评估了生成配色方案的差异性及与国画配色方案的相似度。与国画专家和志愿者合作进行案例分析、专家评估和用户研究，证明了该研究在配色方案推荐方面的实用性。

利用无人机对输电线路进行巡检的过程中，航拍的防振锤图像目标尺度多变且背景复杂，容易导致漏检、误检。为此，针对现有目标检测算法在复杂背景和多尺度目标检测方面的局限性，提出了一种基于改进YOLOv8的防振锤缺陷目标检测算法。首先，提出多尺度特征提取(MSFE)模块，有效扩大模型的感受野，增强模型的多尺度特征提取能力；其次，设计空间金字塔核注意力(SPKA)模块，提升模型对目标的全局感知能力，在多尺度特征融合过程中抑制复杂背景的干扰；最后，由于小尺度目标在图像中易被忽略，在网络中增加丰富小目标语义信息的特征层(STSIL)，提高小目标缺陷检测能力。对比实验中，改进算法与基线模型YOLOv8s相比mAP⁵⁰提升了5.7%，防振锤正常、倾斜、掉落的AP⁵⁰分别提升了3.4%，4.5%和9.2%，证明了改进算法对防振锤缺陷检测的有效性与先进性，且其应用将有助于保障电力系统的安全可靠运行。

为了提高特征线提取结果的精度和质量，针对现有算法在颜色和几何边界难以区分，直线段表示的特征线不连续、不平滑等问题，提出了一种面向RGB-D数据的特征线提取与表示算法。同时，充分利用RGB图像与深度图像之间紧密耦合且互为补充的特性，结合颜色和几何信息，提出一种融合颜色和几何的边界提取和表示算法。首先基于RGB-D数据中的颜色、深度、法向和曲率等几何信息，以及对应的平面几何特征，提取稠密的几何边界特征点集；接着，通过稀疏处理优化特征点集，并在此基础上加入角点信息，以增强特征线的表示能力；最后，采用3次B样条曲线紧致、连续、光滑地表示特征线，且在曲线拟合过程中通过重节点设置确保曲线能够经过关键角点，以此较好地表示恢复特征线的准确走势。以自采和公开的RGB-D数据集进行实验，并与其他几种特征线提取算法进行比较，结果表明，该算法在NYU v2数据集上的提取精度达到了0.82，召回率达到了0.59，交并比达到了0.54，可以从包含深度噪声的低质量RGB-D输入中有效提取连续、光滑的几何特征线，具有明显优势。

神经辐射场(NeRF)在二维图像到三维场景重建领域展现出优异的性能，使用二维图像作为训练数据，能够重建出场景的三维结构，并能进行高质量的新视图渲染。尽管NeRF在三维场景重建领域是十分有效的，但也存在训练速度慢、推理时间长的问题，并且样本质量与三维场景重建质量密切关联。为解决NeRF在低样本质量情况下的高质量三维重建问题，本文使用2组不同哈希编码的NeRF来学习同一个场景，评估候选视图信息增益之间的差距来引导视图采样。提出一种基于RGB特征的下一个最优视图(next best view)导航技术新框架，该框架在稀疏训练数据上具有很强的鲁棒性，能够通过RGB特征评估捕获高信息增益的下一个最优视图，并优化NeRF训练，可以用最少的额外视图来提高新视图合成质量。通过对NeRF训练流程的优化，网络收敛速度提升大约10倍，显存占用降低39.8%，大量实验验证了该模型的有效性和鲁棒性。

为提升机器人在动态复杂环境下对地形的智能感知能力，提出了一种基于多模态文本视觉大模型信息融合地形分割算法，集成了SLIC图像数据预处理、CLIP和SAM掩码生成模块、Dice系数后处理。首先，对原始输入图像进行SLIC预处理，得到图像分割子块，通过增加提示点提高后续掩码质量，可显著提高地形分类准确度。然后，通过文本-图像预训练大模型CLIP，将输入视觉图像和预设地形文本信息进行匹配，并借助其可解释性和零次学习，生成各地形提示点集合。由SAM大模型接受上述集合生成带有语义标签的掩码数据，并通过Dice系数后处理筛选可用掩码。以Cityscapes数据集为地形分割样本，验证了该算法相较于监督和无监督学习框架下主流分割算法的优越性，在无需标记数据的情况下，实现了76.58%的有效掩码生成率，IoU达到90.14%。针对四足机器人地形感知任务，添加U-net编/解码器网络量化验证模块。以生成掩码作为数据集，构建轻量化地形分割模型，部署在四足机器人的边缘计算设备，并在真实环境中开展地形分割实验。实验结果表明，2种掩码优化方法分别使模型MIoU提升了2.36%和2.56%，最终轻量化模型MIoU达到96.34%，地形分割精度可靠，该算法有效指导了机器人快速地从起点安全行进到目标地，并有效避开草地等非几何障碍物。

通用的目标检测网络在缺陷样本数量较少、缺陷类别分布不均衡时，总体检测精度偏低，在缺陷样本稀少的尾部类别上检测精度更低。为此，提出了一种基于改进YOLOv8s的工业产品表观缺陷检测方法。通过在Neck网络使用幻影卷积(GSConv)，降低网络复杂度的同时增强网络非线性能力，以避免过拟合风险。利用聚合模块VoV-GSCSP进一步提取与融合不同层次特征，提升网络特征提取与融合能力。通过采用重加权损失函数以平衡不同类别样本的训练损失贡献，加大尾部类别样本的损失贡献占比，从而提高尾部类别缺陷的检测精度。相比基线模型，改进方法对针灸针表观缺陷检测精度mAP为93.3%，提高5.0%，样本最少的断针缺陷提升9.1%；药板表观缺陷检测精度mAP为91.4%，提高2.6%，样本最少的脏污缺陷提升3.2%。在样本较多且分布不均衡的钢材数据集上，整体缺陷检测精度mAP提高2.6%。实验表明，该改进方法在缺陷样本少且类别分布不均衡时，可有效提升工业产品表观缺陷总体检测精度，对样本稀少的尾部类别检测精度改善明显，泛化性良好。

针对部分缺陷特征微弱、边界模糊以及尺度变化大等问题，提出了一种基于边界和语义感知的表面缺陷分割方法ESNet。首先采用双分支网络分别学习图像的语义信息和细节信息，为有效利用2个分支的全面互补信息，提出了双边注意力指导模块(BAGM)，通过语义分支的通道注意力指导细节分支学习上下文信息，而细节分支的空间注意力则指导语义分支捕捉底层细节信息。在语义分支中，设计了多尺度金字塔池化模块(MPPM)，充分学习和编码多层次上下文信息。同时，在细节分支中，进一步引入了边界感知模块(EAM)，通过底层预测的边界图指导高层特征图学习并增强边界信息。最后，为了有效融合细节特征和语义特征，提出了语义感知模块(SAM)，缓解跨尺度特征融合的语义信息不对齐问题。在公开缺陷分割数据集NEU-Seg，MT-Defect和MSD上进行了大量实验，实验结果验证了该方法的有效性。

基于深度学习的三维点云理解在自动驾驶、机器人和监控等各种应用中受到越来越多的关注，研究点云深度学习模型的对抗攻击，有助于评估和提高其对抗鲁棒性。然而，大多数现有攻击方法都是针对白盒攻击，生成的对抗样本对于未知模型参数的黑盒模型的迁移攻击成功率极低且易被防御。其只考虑在几何空间中优化来误导特定分类器，未能从本质上改变点云数据的深层内在语义结构，导致其在不同的分类器下迁移攻击能力有限。为了解决这些问题，提出了一种基于三维CLIP语义偏移攻击方法(3DCLAT)，利用多模态大模型的丰富语义理解能力，在攻击中同时考虑点云的语义信息，使对抗样本在语义上极大程度地远离原语义属性来提高攻击迁移性。另外，考虑到当前攻击迁移性高的对抗样本普遍不可感知性不够好，将语义对抗攻击加入到谱域空间上，使对抗点云与干净点云相比有难以察觉的形变，达到了可迁移性与不可感知性的一个微妙的平衡。通过大量实验证明，该算法可以显著提高对抗样本的可迁移性，并且对防御方法更具鲁棒性。

随着三维理解和计算机视觉技术的快速发展，点云数据因其精确的几何描述和丰富的空间信息在研究中备受关注。特别是在智能交通等实际应用中，利用点云数据识别不同型号的车辆需要准确分类细微差异和特征，因此开展点云细粒度分类尤为重要。现有方法多侧重设计任务特化的网络，通过提取点云的局部判别性特征提升分类性能，但往往忽视模型的泛化能力，导致在不同场景或未见类别中的表现下降。此外，复杂环境下的噪声、遮挡或数据分布变化亦会削弱模型的特化能力。为解决上述问题，提出了一种两阶段点云细粒度分类网络BGS-Net，旨在平衡模型的泛化性与特化性。在第一阶段，采用掩码蒸馏自监督学习结合耦合掩码方法，为2个学生模型分配互补掩码，引导其从教师模型中学习独立的特征表示，从而增强泛化能力。第二阶段设计了平衡泛化与特化的训练策略，通过冻结一个编码器以保留通用特征，同时调优另一个编码器以提取点云的局部判别性特征，实现任务特化。实验结果表明，BGS-Net在细粒度分类、元类别分类、少样本分类及真实场景分类任务中均表现优异，显著优于现有方法，验证了在保持高泛化能力的同时实现任务特化的有效性。该方法为点云细粒度分类提供了新的研究思路，提升了模型在实际应用中的适用性和鲁棒性。

在三维点云采集过程中，由于测量异常、边缘散射和被测物体材质等因素的影响，点云数据容易受到噪声的干扰。然而，目前的深度点云去噪算法在高噪声条件下表现较差，且易导致锐利特征的平滑。针对这一问题，提出了一种基于反馈的迭代采样高噪声点云去噪框架，旨在提升现有监督去噪算法在高噪声条件下的表现。首先，用现有的监督去噪网络对噪声点云进行初步去噪，得到预去噪点云；然后，将原始噪声点云和预去噪点云一起输入采样融合模块，得到包含几何细节和边缘特征的融合点云；再次，反馈感知细化网络在预去噪点云的反馈引导下对融合点云进行去噪，得到本轮迭代的去噪结果；最后，通过将当前去噪结果作为下一轮的反馈信息以及采样融合模块的输入，进行多次迭代，逐步去噪，得到最终的去噪结果。实验结果表明，在高噪声条件下，该框架提升了现有监督式点云去噪算法的性能，表现出了较好的去噪效果和特征保持能力。

三维人体网格重建在计算机视觉、动画制作和虚拟现实等领域具有重要的应用价值。然而，目前大多数方法主要聚焦于单幅图像的三维人体重建，如何从视频数据中准确、平滑地重建三维人体动作仍然是一个难题。为此，提出了一种双流网络融合结构，以三维人体姿态为中介，在视频数据中实现三维人体网格重建。首先，利用三维姿态估计流网络对输入视频进行三维关节点估计，获得精确的关节信息；其次，通过时序特征聚合流网络提取视频的时序图像特征，捕获人体运动位置信息和时序姿态特征信息；最后，设计融合解码器，将三维关节点、时序图像特征与SMPL模板提供的网格结构进行回归，预测三维网格顶点坐标。实验结果表明，该方法相对于MPS-Net方法具有更好的预测精度，在3DPW数据集上比MPS-Net的平均关节位置误差(MPJPE)低了9.3%；在MPI-INF-3DHP数据集上比MPS-Net的MPJPE低了9.2%，同时重建结果在视觉效果上更为合理，展现出更高的准确性和平滑性。

动画渲染是计算机图形学中的一个重要分支，专注于生成时序动态图像。传统的动画渲染方法在时间轴进行几何场景的逐帧渲染，易造成计算资源的浪费。为了提高动画渲染效率，提出了基于时序区间反转的隐式曲面动画渲染方法。首先，用稀疏八叉树网格划分隐式场景空间，采用区间运算递归细分隐式场景，将含有隐式曲面的场景分为隐式体内部、外部和表面。然后利用区间运算对时间导数进行范围限定定位隐式场景中的变化，多个连续隐式曲面直接存在相对或绝对静止的区间，在保持全局误差不变的情况下有选择地重新评估区域，实现隐式曲面之间的消隐。最后，通过并行化线程技术渲染隐式曲面动画，显著提高渲染效率。实验结果表明，该方法与逐帧渲染方法相比，在保持渲染质量的同时，实现了几十倍的加速。

包含刚体和约束的多体动力学模拟在物理仿真中占有重要地位，广泛应用于工程分析、虚拟现实以及游戏动画等领域。传统的刚体物理引擎主要依赖于CPU进行计算，而在现代计算机图形学和实时物理模拟中，GPU的并行计算能力被证明能够显著提高计算性能。为此，研究探索了5种基于雅可比方法的约束求解器在GPU上的实现并对其进行了性能与稳定性分析。具体包括：投影雅可比求解器(PJ)、结合投影雅可比与非线性雅可比的求解器(PJNJ)、投影雅可比与软约束求解器(PJSoft)、基于子步骤策略的雅可比求解器(TJ)和结合子步骤策略的雅可比与软约束求解器(TJSoft)。在基准测试中，软约束方法展现出平滑的约束冲量响应，且子步骤策略在处理高质量比和复杂场景时提供了更为稳定的解决方案。本研究为评估多体模拟中基于GPU的约束求解方案提供了新的视角，对实时物理模拟和交互式计算机图形学具有重要参考价值。

目前，利用真实世界的图像信息进行几何模型重建，并采用基于图像的渲染方法重建出高质量渲染结果成为一种获取高质量美术素材的解决方案。为此，提出了一个可视分析系统为无人机规划路径以及与之相关的三维重建和基于图像渲染提供支持。工程贡献上以蓝图编辑器作为可视分析系统的程序载体，将各种可视分析功能编写为蓝图编辑器中的功能节点，允许用户通过拖拽、连接和配置图形元素，自定义地创建用户所需的可视分析工作流。算法创新上提出了一种对基于采样覆盖率的参考视角选择算法的改进优化方案，比较了其他3种类型的视角选择算法后，通过对比实验证实了参考视角选择方案在运算的时间开销上和渲染图像的参考率上拥有更好的效果。

线缆在飞机等航空器上广泛存在，连接着飞机上各种设备和动力系统。目前，在飞机线缆大规模敷设过程中，仍主要根据二维图纸手动完成，效率低、精度差。如何从复杂的二维图纸中提取线缆数据信息，将其转化为清晰、直观的三维模型，优化线缆的布线过程，成为一个亟待解决的领域关键问题。二维图纸包含大量线缆图形结构和标注信息，其布局密集，表现形式不直观，且相互干扰，对线缆三维重建造成巨大挑战。针对此工程实际需求，提出了基于二维图纸的机载线缆三维重建方法，对二维图纸信息进行准确、高效的提取、整合和重建，以真实反映出线缆三维空间位置关系。通过二维线缆敷设图纸的自动读取，提出了结合双向最佳匹配策略的断线连接算法和二维线缆敷设图的线缆重建方法，最终实现了三维线缆拓扑和几何结构的重建，并在工程实际数据上进行了测试和验证。

由三维地质建模方法得到的地质模型在各类工程领域中扮演着不可或缺的角色。现有的建模方法通常通过空间数据插值来划分地下不同岩性的区域，但此类方法在保持拓扑一致性方面存在挑战，限制了三维模型的可靠性和实用性。为了构造地质区域中的不连续结构，提出了一种基于维诺图方法自动生成三维地层界面模型的方法。首先将钻井数据离散成一系列散点，建立维诺图并提取出不同岩性区域的分界面，然后通过对分界面上的顶点建立线性系统并求解，来得到分界面的变形结果。此外，引入了空间变形控制算法，使得模型在表现地质层断层、褶皱等复杂构造特征时更为精确，从而提升了三维模型在实际应用中的表现能力。该方法解决了传统建模方法对于复杂地质构造会出现的建模拓扑错误问题，且具有较高的自动化程度和较强的鲁棒性。尤其在面对不规则数据集时，表现出了优异的适应性，极大减少了模型调整所需的人工干预。在实际工程数据上的实验表明，所建立的模型具有较好的地质合理性，并可重建出其他方法难以建模出的非流形结构。

为了解决起落架系统在设计过程中架构建模和仿真建模工具之间的互操作问题，提供对架构建模和仿真建模工具之间跨域信息的双向传递和接口互操作的能力，提出了面向基于模型系统工程(MBSE)的起落架系统模型集成技术。首先，采用多架构建模语言(KARMA)构建起落架系统架构模型，进而通过架构模型中的仿真方案生成仿真模型。其次构建模型语义映射规则并通过解析仿真模型内容建立仿真模型的集成数据模型，使得异构模型的语义具有一致性，进而构建仿真工具适配器，实现对异构数据的统一编译，以及架构模型和仿真模型的集成。结果表明，该方法实现了设计信息在异构模型间的双向传递以及架构建模和仿真建模工具间的互操作，为起落架系统的架构模型和仿真模型间集成提供了支持。

针对物理场景中物体初始堆叠约束导致装箱空间利用率受限的问题，提出一种基于深度强化学习框架的可缓冲物体运输与装箱的神经优化模型，引入缓冲中转机制提升容器装箱利用率。首先，模型的状态编码器动态编码优先图提取的优先级信息和缓冲信息，有效地处理物体之间的堆叠关系和利用缓冲区的中转能力；然后，序列解码器感知当前容器状态，利用注意力机制对编码后的特征向量计算候选旋转状态序列的选取概率，自适应地选取执行中转或装箱的状态序列；接着，目标解码器将选取状态的几何信息和缓冲信息作为输入，融合序列解码器累积信息构建条件嵌入向量，对编码后的特征向量进行注意力汇聚，高效决策物体进行缓冲或装箱。最后使用带基线的REINFORCE算法训练网络得到可缓冲物体装箱的优化策略。在二维和三维RAND数据集上的实验结果表明，相较于先进的TAP-Net模型，容器装箱利用率提高了4%左右，并且明显优于针对此新定义问题设计的启发式方法。此外，基于固定数量物体训练的模型能够有效泛化到更大规模物体数量的装箱实例。