Visual saliency detection for 3D object models
Xiaoying Ding, Xinfeng Zhang, Lin Weisi, Zhenzhong Chen · Journal of Image and Graphics · 2025
三维模型视觉显著性检测通过模拟人类视觉系统，定位模型中蕴含重要视觉信息的区域，广泛应用于模型简化、分割以及压缩等相关任务，是计算机视觉领域的研究热点。区别于图像和视频数据，三维模型体量庞大、数据分布不均匀，同时噪声数据较多，使得现有图像和视频视觉显著性检测方法难以被拓展应用，为三维模型视觉显著性检测任务带来了巨大的挑战。针对这一现状，首先对近年来国内外公开发表的三维模型视觉显著性检测方法进行概述，根据使用特征的不同将三维模型视觉显著性检测方法分为基于手工特征的方法和基于深度学习的方法，并根据不同三维模型表示形式分别介绍面向点云模型的方法和面向网格模型的方法。对基于手工特征的方法，根据特征尺度的不同将其细分为基于单尺度特征的方法和基于多尺度特征的方法，重点介绍特征提取策略；对基于深度学习的方法，重点介绍设计思路。同时，对现有三维模型视觉显著性检测数据集进行汇总，介绍三维模型视觉显著性检测常用的性能评价指标，并对部分方法进行性能对比。此外，本文详细介绍视觉显著性检测结果在三维模型缩放、简化、降噪以及质量评价等相关领域的应用。最后，基于国内外研究现状，讨论三维模型视觉显著性检测领域亟需解决的问题，并指出未来可能的发展方向。