题目：用户数据挖掘的三维场景远程传输技术研究

随着计算机图形硬件和算法的发展，三维模型的规模和精度不断提高，虚拟场景变得越来越真实和复杂，导致三维场景的数据量庞大，绘制复杂度高，对三维场景的远程访问提出了挑战。为了使低计算能力的客户端能够显示复杂三维场景的图形绘制结果，论文围绕用户数据挖掘的三维场景远程传输技术，针对三维静态场景数据的远程预取、三维网格动画的预览视频生成以及视频图像的运动估计进行研究，具体工作如下：

（1）用户访问挖掘的三维场景数据预取方法。现有的三维场景数据预取方法主要基于用户的位置或轨迹数据进行访问预测，不足以挖掘用户对三维场景的访问习惯，影响了预取命中率。论文提出了一种用户访问挖掘的三维场景数据预取方法，对用户访问的场景内容进行数据挖掘。该方法分为离线和在线两部分，离线阶段建立用户访问序列的关系图，通过聚类分析挖掘用户访问模式，并按照访问模式的大众化程度和用户个人偏好分配优先级。在线阶段利用用户访问模式和当前访问的场景块集合，预测出用户后续最有可能访问的场景块，并在网络空闲时进行预传。该方法能够体现用户对特定三维场景的访问行为特征，提高预取效率。实验结果表明，该方法在较小的缓存空间下取得高达95%的命中率，其性能明显优于EWMA方法和DR方法。

（2）三维网格动画的自动预览方法。现有的自动预览方法主要针对于静态三维模型的视点选取，其视点质量评价指标通常只考虑了三维模型的几何形状特征，不能够描述模型动画的帧间运动变化。论文提出了一种三维网格动画的自动预览方法，该方法分析了关键帧模型之间的运动变化，并结合模型的几何特征、用户偏好程度以及视点运动的平滑性约束，把关键帧的视点选取表示成一个能量最小化问题，通过对其求解得到关键帧的视点，从而插值出相机预览路径，生成模型动画的预览视频。该方法引入了用户投票机制收集用户对相机预览路径的评价反馈数据，利用用户投票结果优化相机预览路径，从而使得预览视频能够满足不同用户对动画预览的一般偏好。在用户研究中，本文方法的用户支持率为43.7%，而Han等人方法和基于网格显著度的方法的用户支持率分别为29.8%和26.5%，本文方法生成的预览视频具有更高的用户满意度。

（3）增量式运动向量聚类的运动估计算法。宏块运动向量除了具有空间相关性还具有聚类统计特性，然而大部分运动估计算法都只利用了空间相关性，其搜索精度和搜索速度还有待提高。论文提出了一种增量式运动向量聚类的运动估计算法，该算法按对角线把宏块进行分组，并以组为单位进行运动估计，每完成一组宏块的运动估计，都定期对宏块运动向量进行聚类分析，获取历史宏块的运动向量的聚类统计数据。聚类统计数据能够为后续宏块的运动估计提供高效的预测向量，在保证搜索精度的情况下，减少搜索匹配的候选位置，提高运动估计效率。实验结果表明，该算法的性能优于主流的UMHS、DS、PLS、SAAS和IRS等算法，在高清、大运动的视频序列中优势更为明显。

（4）三维场景远程调度绘制原型系统。该系统由场景数据服务器和客户端组成，服务器存储和管理了三维场景数据以及网格动画的模型文件和预览视频，为客户端提供场景数据访问服务；客户端对用户访问区域中的场景块数据进行图形绘制，为用户提供三维场景的交互式浏览，并能够为用户播放网格动画的预览视频。实验结果表明，对于500万个面片的三维场景，服务器单次响应的平均时间开销不超过80ms，客户端的平均每帧绘制时间小于35ms，低图形计算能力终端也可以对三维场景进行交互式浏览。

综上所述，论文围绕用户数据挖掘的三维场景远程传输技术，在三维场景数据预取、网格动画自动预览和视频图像运动估计三个方面开展工作，并在此基础上设计与实现了三维场景远程调度绘制原型系统，研究结果可以应用于三维网络游戏、在线三维地图、在线三维模型库等。