随着三维游戏、影视娱乐和虚拟现实等技术的发展和普及,人们对三维模型形状的多样性以及逼真程度的要求与日俱增。树木是自然场景不可或缺的景物对象,逼真的树木模型能极大提升虚拟场景的真实感从而为用户带来更沉浸的体验。因而,如何能根据特定的形状生成具有植物学真实感的树木模型,设计出符合用户直观的交互建模方式以方便普通用户快速生成高真实感的树木模型,一直是图形学的前沿研究课题,具有重要的研究意义和很大的应用前景。对于树木这一自然对象,当前大部分的研究都通过模拟其生长机制来生成具有相应植物学真实感的树木模型。这是一类自下而上的生长建模方法,需要在建模过程中显式指定对应的植物学规则,才能构建出具有相应植物学特征的树木模型。但是,这类自下而上、依据局部自适应规则的树木建模方法缺乏对树木整体形状的有效控制,从而限制了其构建具有特定整体形状的树木模型的能力,且不利于普通用户进行直观高效的建模。因此,自上而下的逆向树木建模方法得到了人们的重视和深入研究。由于涉及病态的优化问题求解,逆向建模方法极具挑战。目前的逆向树木建模算法不但对输入有着多种限制,计算比较费时,而且只关注特定建模算法的设计,忽略了非常重要的用户友好交互方式的设计。本文对当前逆向树木建模中所存在的这些问题进行了更为深入的研究,提出了一类新的逆向建模算法以及一种面向普通用户的智能交互建模方式。本文的主要贡献如下:·通过考虑多类植物学原理,提出了一种树木形态特征的植物学表达,借助少量的控制参数来控制丰富的形态特征。在此基础上,通过众包数据进一步设计提出了一种树木形态特征的语义表达。这些表达为后续的逆向建模算法以及智能交互方式的设计提供了重要的计算基础。·基于树木形态特征的植物学表达,提出了一种变分式逆向建模算法。该算法将树木的逆向建模问题形式化为一个变分优化问题,从而将树木的整体形状与其他植物学约束(如所有枝干的体积等)统一到同一个优化框架中,并提出了一种结合树木枝干结构特征的高效优化算法,其计算效率要比已有算法高出一至两个数量级。·结合上述树木形态特征的语义表达和变分式逆向建模算法,提出了一种用户意图导向的智能树木交互建模方法。该方法巧妙地将卡尔曼滤波与相应置信上界的机制相结合,设计了一个用户意图的在线学习算法。该算法基于少量的交互数据,就能学习出所需的用户意图评估函数,从而支持用户直观地探索树木语义特征空间来进行交互树木建模。·在上述工作的基础上,进一步提出了一种基于单张照片的逆向树木建模技术框架。该技术框架将深度学习与变分式逆向建模算法相结合,由真实树木照片直接构建出相应的三维模型。为了支持深度神经网络的训练,我们构建了一个包含大量树木三维模型以及相应绘制图片的数据集。由此训练得到的深度神经网络,不仅对不同数量的输入具有相应的建模伸缩性,而且为树木因不同程度的自遮挡所带来的深度预测问题提供了一致性的解决方案。