周明全、耿国华教授团队：基于内容的三维模型检索技术

传统的信息检索技术是按照关键字检索，如找学生记录可按名字、学号、身份证号等方式查找，一篇文章写完需要给出关键字序列，这些都是为了方便检索。基于内容的检索(content based retrieval，CBR)就是从数据中提取特定的信息线索，然后根据这些线索从大量存储在数据库中的数据进行查找，检索出具有相似特征的信息。

随着云计算、大数据、物联网、移动通信、人工智能等信息新技术发展，更多的模型信息走进人们生活的方方面面。特别是三维模型这一信息载体的应用越来越广，也越来越迫切，在工业产品设计、虚拟现实、虚拟人、三维游戏、教育、影视动画、建筑设计、造型艺术及地理信息等领域发挥着重要的作用。目前，网络上每天都有大量的三维模型产生和传播，模型检索可广泛应用在计算机视觉、模式识别、辅助设计等领域，彰显出巨大的应用价值和发展潜力，三维模型检索技术已成为应用信息资源不可或缺的手段。

基于内容的三维模型检索体系

基于内容的三维模型检索技术是通过分析三维模型的几何特征、纹理等信息来检索相似模型的方法，这一领域涉及计算机视觉、模式分类、语义网等多个领域，是当前研究的热点之一。基于内容的三维模型检索技术可归纳为如下几类。

▋1.基于几何特征的检索。主要依赖三维模型的形状、边缘和曲面等几何特征。通过对目标模型进行投影和建立草图信息，检索具有相似几何特征的其他模型。这种技术可以准确表达模型的几何信息，但是计算复杂度较高，导致检索时间较长。

基于视觉投影图的特征提取方法检索结果

图中数值为差异度分数

▋2.基于多特征融合的检索。为克服单一特征的不足，人们提出基于多特征融合的检索方法。这种方法对模型的几何特征、结构特征、纹理信息、视觉特征等进行加权融合，并计算特征之间的相似度。多特征融合方法的优点是能够充分利用不同特征之间的互补性，更加准确地表达模型的多样性信息。

表 模型库中没有待检索模型的情况(DWT)

▋3.基于语义的三维模型检索。该检索方法利用语义信息构建语义网，通过将语义特征嵌入三维模型描述，实现更加准确和语义感知的检索。该类方法通常包括两个主要步骤，即语义网的构建、语义特征提取和相似性度量。这种方法不仅考虑几何、形状、颜色和纹理等信息，同时注重模型的语义含义，进而提高检索的精度和效率，使得用户能够更容易地找到符合其需求的三维模型。

表 碎块模型匹配结果

▋4.基于深度学习的三维模型检索。该检索方法利用卷积神经网络或者自编码器等深度学习架构提取三维模型的特征，通过将三维模型表示为高维特征向量，利用深度学习网络学习模型之间的抽象关系，使其能够捕捉模型的形状、结构和语义等信息，实现对模型的有效表示和比较。该类方法在处理大规模三维模型数据库时表现出色，可以为三维计算机视觉领域的研究和应用提供有力的支持。

草图检索三维模型结果(全部返回正确结果)

综之，传统基于关键词的图像检索费时费力，基于内容的三维模型检索技术应运而生，通过分析内在特征提高准确性与效率。研究者从多个角度探索了检索方法，包括基于投影、草图、特征、语义等。本体检索借助知识表示与组织，实现信息检索与知识发现。深度学习广泛应用于提取特征向量进行检索。三维模型检索是前沿跨领域研究，通过改进关键技术来提高准确性与效率，推动不同领域应用，不但填补了相关领域空白，促进了文物数字化资源共享，拓展了检索层次，而且为数 字博物馆与虚拟地理环境等领域提供了有力支持。

点击翻页

点击翻页

点击翻页

点击翻页

点击翻页

点击翻页

基于内容的三维模型检索技术

周明全, 耿国华著

北京 : 科学出版社, 2025. 12

(新一代人工智能理论、技术及应用丛书)

ISBN978-7-03-083236-8

《基于内容的三维模型检索技术》汇聚了模型检索领域先进技术，包括作者团队的研发成果。基于三维内容检索的研究与应用分为知识体系、技术体系、应用体系三个部分。

▋知识体系部分(第1～3章)介绍三维内容检索的国内外现状、三维模型的处理流程、模型表示方法及其特征提取、性能评价，以及体系构成。第1章绪论，包括背景意义、现状和三维模型检索体系(知识体系、技术体系、应用体系)。第2章三维模型概述，包括三维模型表示方法、特征提取、性能评价。第3章三维模型预处理，包括模型去噪、孔洞修复、网格简化、标准化以及坐标规范化。

▋技术体系部分(第4～8章)介绍二维(图像)找三维模型、三维(特征)找三维模型、基于语义本体找三维模型和深度学习找三维模型三类技术。第4章基于投影的三维模型检索技术，包括视觉投影、正交投影、三维Radon 变换与BOVF 等方法。第5章基于草图的三维模型检索技术，包括三维模型全局特征、局部特征及局部多尺度等方法。第6章基于多特征融合的三维模型检索技术，包括扩展核、SKPCA、骨架等特征提取方法。第7章基于语义的三维模型检索技术，三维模型本体描述和语义网建立、主动学习机制及显著特征的语义标注。第8章基于深度学习的三维模型检索技术，深度学习的神经网络、损失函数与训练策略等处理过程。

▋应用体系部分(第9章)介绍三维模型检索系统与典型范例。

作者团队研究基于内容检索技术较早，2007年撰写了《基于内容的图像检索技术》、2015年撰写了《基于内容的音频检索技术》，在基于内容的三维模型检索方面有二十余年的研究基础，本书得到国家科学技术学术著作出版基金的资助。作者团队开展三维模型检索技术研究先后得到863 目标导向项目(2008AA01Z301)、973前期预研项目(2011CB311802)、国家自然科学基金重点项目(61731015)、国家自然科学基金面上项目(60843094)等资助。在成书过程中，得到 北京师范大学、 西北大学等单位的大力支持。

基于内容的三维模型检索技术是一个活跃且不断发展的研究领域。尽管已经取得了显著进步，但仍面临诸多挑战。希望本书能够吸引更多的学者关注该领域的研究，提供新的方法，开拓新的应用领域，期盼该领域的研究百家争鸣、成果丰硕，期待更多的研究和技术创新推动这一领域的发展。

本文摘编自《基于内容的三维模型检索技术》（周明全, 耿国华著. 北京: 科学出版社, 2025.12）一书“前言”“序言”“第1章 绪论”，有删减修改，标题为编者所加。

(新一代人工智能理论、技术及应用丛书)

ISBN978-7-03-083236-8

责任编辑：孙伯元

本书适合模型智能处理等相关领域的科技人员研究参考，也可供高校相关专业研究生学习。

（本文编辑： 刘四旦 ）

专业品质 学术价值

原创好读 科学品位

一起阅读科学