在虚拟现实中提升网格显著性：介绍一种新型预测网络和数据集

《ACM Transactions on Multimedia Computing, Communications, and Applications》：Elevating Mesh Saliency in VR: Introducing a Novel Prediction Network and Dataset

本文提出一种新的网格显著性数据集，通过六自由度虚拟现实环境下的眼动追踪收集多视角数据。设计的预测模型结合局部几何特征（曲率、面形状）和全局空间定位，用于优化网格简化、渲染和纹理处理，减少视觉损失。

　　

摘要

在计算机图形学中，多边形网格作为一种流行的表示方法，能够有效地描绘复杂的纹理和几何形状。在对网格的关键区域进行几何处理时，需要考虑与显著性相关的人类视觉感知。因此，我们构建了一个新的网格显著性数据集，该数据集通过更全面的采集流程获得：在虚拟现实空间中，受试者可以从任意视角观察网格模型，并且这些观察过程是由六自由度的眼动追踪设备记录的。此外，我们提出了一种网格显著性预测模型，该模型能够准确推断出复杂且不规则网格表面的视觉注意力密度图。该模型将来自多尺度邻域范围的表面曲率和三角形面形状信息作为局部几何特征进行整合，同时利用表面空间位置作为全局特征。我们的工作旨在保护关键区域，并在基于显著性的任务（如网格简化、渲染和纹理处理）中尽量减少视觉损失。我们相信，我们的研究可以为以人类为中心的网格计算应用提供宝贵的见解。