［本站(zhàn)訊］數字孿生(shēng)和混合現實作(zuò)爲智能(néng)制造的重要技術手段，正在引領制造業進入全新(xīn)數字發展階段。計算(suàn)機科學與技術學院屠長河(hé)教授主持的國家重點研發計劃“工業軟件”重點專項“基于微服務架構的增強/混合現實應用開發引擎的研發和應用驗證”項目自2023年4月(yuè)(yuè)1日啓動以來，面向航空、軌道交通等工業CAD領域，在重大複雜裝備的臨場三維重建、輕量化(huà)表示、虛實融合交互等方面開展系列研究，産出一(yī)批高質量創新(xīn)成果。

近日，SIGGRAPH 2024審稿結束，文章錄用情況揭曉。屠長河(hé)教授、辛士慶教授團隊共有2篇文章被長文接收（Conditionally Journal Accept），一(yī)篇關注面向CAD模型的三維重建，另一(yī)篇關注面向CAD模型的輕量化(huà)表示。兩篇文章的第一(yī)作(zuò)者和通訊作(zuò)者單位均爲山東大學。

成果一(yī)“DeepCADRecon: Deep Learning for Reconstructing CAD Surfaces by Enforcing Zero Gaussian Curvature”針對無法向的低(dī)質量點雲數據，提出面向CAD模型的自監督深度重建網絡。本研究基于CAD模型的普遍形狀先驗，即分(fēn)片光滑、特征線兩側近似可展，在CAD模型重建任務中考慮高斯曲率爲零這一(yī)幾何約束。在實現上(shàng)，以神經函數表達目标形狀的符号距離場，并将“高斯曲率爲零”轉化(huà)爲作(zuò)用在符号距離場上(shàng)的正則項，既達到恢複特征線的目的，也(yě)兼具抗噪的功能(néng)。大量實驗結果表明，該研究所用方法能(néng)夠恢複出尖銳的特征線，重建出高保真的CAD模型；即使在點雲極其稀疏的情況下(xià)，也(yě)能(néng)還原出複雜的CAD模型。

文章第一(yī)作(zuò)者是計算(suàn)機學院博士研究生(shēng)董秋傑，屠長河(hé)教授和辛士慶教授爲指導教師，合作(zuò)指導教師還包括美國德州農工大學教授王文平、中國科學院數學與系統科學研究院研究員賈曉紅和青島科技大學副教授陳雙敏。碩士研究生(shēng)徐瑞以及香港大學博士後王鵬飛也(yě)對該項研究作(zuò)出了(le)重要貢獻。

成果二“CWF: Consolidating Weak Features in High-quality Mesh Simplification”關注CAD模型的輕量化(huà)表示。輕量化(huà)表示的基本需求包括：既要網格複雜度低(dī)，又要表示精度高；既要對齊特征線，又要高質量三角化(huà)；既要保留強特征，又要保留弱特征。已有方法很難同時滿足上(shàng)述需求，因而不能(néng)被應用于标準高、要求嚴的工業應用場合。本研究将“對齊特征線”與“高質量三角化(huà)”這兩個核心需求分(fēn)别轉化(huà)爲關于頂點位置的泛函，并将它們納入基于質心Voronoi圖（CVT）的統一(yī)優化(huà)框架。研究進一(yī)步提出了(le)權重自動調節機制，使兩個需求的相對強弱與形狀本身(shēn)的特點相适應。大量實驗結果表明，本研究采用的方法不僅能(néng)夠生(shēng)成頂點數目少、表示精度高、三角化(huà)質量好(hǎo)(hǎo)、特征線對齊的簡化(huà)網格表示，還能(néng)夠有效地保留形狀表面的弱特征信息。

文章共同一(yī)作(zuò)是碩士研究生(shēng)徐瑞和博士研究生(shēng)劉隆都，屠長河(hé)教授和辛士慶教授爲指導教師。合作(zuò)者包括美國德州農工大學教授王文平、美國德州大學達拉斯分(fēn)校(xiào)教授郭小虎、香港大學教授Taku Komura、美國韋恩州立大學副教授鍾子(zǐ)春、青島科技大學副教授陳雙敏和美國德州大學達拉斯分(fēn)校(xiào)博士研究生(shēng)王甯娜。

ACM SIGGRAPH是迄今爲止世界上(shàng)影響最廣、規模最大，也(yě)是最權威的集科學、技術、藝術、商(shāng)業于一(yī)身(shēn)的圖形學技術展示和學術會議。SIGGRAPH制定了(le)非常嚴格的論文評審流程，每篇文章需要至少5名相關專家提供詳細評審意見。被錄取的文章分(fēn)爲Journal Accept和Conference Accept兩種類型，前者将同時刊登在圖形學頂級期刊ACM Transactions on Graphics上(shàng)；該期刊是中國計算(suàn)機學會（CCF）推薦的計算(suàn)機圖形學與多媒體領域A類期刊，中科院分(fēn)區爲SCI 1區Top。SIGGRAPH 2024共有846篇有效投稿，其中121篇文章被錄爲Journal track，占比14.3%。