服装动画作为计算机动画技术的分支之一,涉及计算机图形学、机器视觉与虚拟现实等多学科交叉,已经被广泛应用于影视动画、游戏娱乐以及服装工业等多个应用领域中。然而,要想得到逼真细腻服装动画效果,就需要构建高精度服装模型,这必将增加模拟过程中需要求解的方程组规模,从而降低模拟速度。针对上述模型精细度与运算代价之间的矛盾,一些研究者依据服装各区域变形程度的不同,提出了对服装构建结合高精度网格和低精度网格的混合多精度网格模型。但会产生不必要的精化或精化程度不够等问题,如何有效划分服装模型各区域精度级别仍需要进一步研究。本文对人眼视觉注意机制进行了深入研究,分析了服装不同区域对人类视觉感受的影响,并依据视觉显著度构建多精度服装模型,为多精度服装动画方法提供了基础。本文的主要研究内容及成果如下:(1)研究了一种眼动数据预处理的方法为了使服装视觉显著性的预测更接近人眼观看时的真实情况,本文采集了大量人在观看服装视频时真实的眼动数据,并对这些数据进行了预处理。由于仪器限制,在数据采集过程中可能受多种因素影响,由此造成部分数据失效。因此,本文首先对采集的眼动数据进行清洗,剔除异常数据。其次,对得到的眼动数据整合和高斯卷积,得到每帧视频图像的显著图。(2)提出了一种基于实例数据的服装视觉显著性预测模型方法经典的视觉显著性方法基本上是通过数学建模的方式模拟人眼的视觉注意机制,并未考虑真实眼动数据对于视觉显著性的影响。本文首先分析了视频图像中影响人眼视觉注意机制的因素,对图像进行了多种视觉特征提取。为了确定各特征对视觉注意的影响程度,以图像的特征和显著图作为训练样本,采用SVM方法训练出符合真实人眼特性的视觉注意模型。(3)提出了一种基于视觉显著性的多精度服装建模方法使用服装视觉显著性预测模型对服装动画中每帧图像进行视觉显著性预测,得到每帧图像的显著图。然后,运用摄像机成像原理将三维点映射到二维,由二维坐标的显著性确定服装顶点的显著性,从而确定服装模型各区域的关注度大小。最后,由关注度大小构建多精度服装模型。