一种基于深度学习的建筑三维模型的区域简化方法

本发明公开一种基于深度学习的建筑三维模型的区域简化方法，涉及计算机图形处理技术领域。该方法先对原始建筑三维网格模型预处理，再通过图卷积神经网络提取顶点语义特征，生成0‑1间的区域重要性评分；将评分融入面塌陷算法误差度量，结合法线变化惩罚项构建动态塌陷优先级队列；基于队列迭代塌陷，更新相邻顶点误差与队列位置；满足双终止阈值时停止，输出简化模型。本发明可精准保留门窗、屋顶边缘等关键区域，平衡模型轻量化与视觉保真度，适配多源输入模型且保持流形拓扑，提升简化智能化与通用性。