-
题名曲线曲面局部光顺渐进迭代逼近
- 1
-
-
作者
林佳
蔺宏伟
-
机构
浙江大学数学科学学院
浙江大学cad&cg全国重点实验室
-
出处
《计算机学报》
北大核心
2025年第6期1327-1341,共15页
-
基金
国家自然科学基金(No.62272406,61932018)资助。
-
文摘
曲线曲面光顺问题源于工程设计与制造加工的实际需求,在汽车、航空航天、船舶制造等领域具有重要意义。曲线曲面的光顺性直接影响产品的质量、物理性能和美观性。因此,曲线曲面的光顺处理是计算机辅助几何设计中的一个研究热点,具有重要的理论与实用价值。国际上关于这一问题的研究可以追溯到20世纪60年代左右。传统的曲线曲面光顺方法主要包括基于能量最小化的全局光顺方法和修改选定“坏点”的局部光顺方法。尽管现在已存在许多曲线曲面光顺算法,但仍存在自动化水平低、计算复杂度高、效率低等问题。Fairing-PIA是一种通过调整控制顶点生成一系列光顺曲线曲面的几何迭代方法。Fairing-PIA算法赋予每个控制顶点单独权重来优化曲线与曲面的形状,为数据拟合生成光顺曲线曲面带来了更大的灵活性。本文设计了一种局部Fairing-PIA格式,称为Local-Fairing-PIA。在局部Fairing-PIA中,仅调整部分控制顶点及相应的光顺权重来优化局部曲线曲面形状。曲线曲面的光顺性可以通过局部Fairing-PIA被逐点或逐段进行调整。曲线和曲面不同部分的光顺程度可以不同。这种局部光顺的方法可以根据用户需求交互式地调整部分区域,既能达到局部光顺的效果,又能保留其余部分原本的特征。相较于传统的基于能量泛函极小的光顺方法,局部Fairing-PIA算法能够兼顾光顺效果与拟合误差对曲线曲面进行局部调整,同时避免了大规模矩阵运算,降低了计算成本。在本文中,我们证明了Local-FairingPIA迭代格式的收敛性。在多个曲线曲面拟合上的实验结果表明,局部Fairing-PIA是有效的。通过LocalFairing-PIA算法,可将曲线曲面局部能量减少11%以上。Local-Fairing-PIA算法为曲线和曲面光顺问题提供了一种更为鲁棒、高效且灵活的的解决方案。这种方法通过调整特定控制点和它们的权重,增强了曲线和曲面的平滑度和拟合精度,有助于提高产品在工程应用中的性能并减少计算开销。
-
关键词
渐进迭代逼近
光顺
局部
数据拟合
几何迭代方法
-
Keywords
progressive iterative approximation
fairing
local
data fitting
iterative geometric method
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名联合点云先验的神经隐式表面重建加速方法
- 2
-
-
作者
郭铭策
黄琲
程乐超
王章野
-
机构
浙江大学cad&cg全国重点实验室
江西求是高等研究院
合肥工业大学计算机与信息学院
-
出处
《图学学报》
北大核心
2025年第4期807-817,共11页
-
基金
国家自然科学基金(62106235)
浙江省自然科学青年基金(LQ21F020003)。
-
文摘
针对当前神经隐式表面重建任务中训练时间开销大的问题,提出了一种联合点云先验指导的采样方法,在保证表面重建质量的同时降低模型训练的时间成本。对神经隐式表面重建网络训练的加速分为3个方面,首先交替使用随机训练像素采样和基于点云投影密度的自适应训练像素采样,加速模型对待重建表面位置的优化;然后通过点云先验与采样像素邻接关系,对训练光线上接近表面的位置进行集中采样,减少重要性采样的数量和时间开销;此外结合稀疏点云先验损失优化符号距离场网络,并以一定迭代步长对点云缓存进行更新。对比实验选取了DTU和Tanks-and-Temples数据集中的10个测试场景,结果表明该方法可有效地减少神经隐式表面重建训练时间开销的同时保证表面重建的质量,与NeuS神经隐式表面重建方法相比,训练时间开销减少35%;在相同训练时间内,本方法预测新视角图像峰值信噪比(PSNR)相较于NeuS方法平均提高了3.1%,结构相似度(SSIM)平均提高了3.4%。
-
关键词
表面重建
神经渲染
神经隐式表面
点云
自适应采样
-
Keywords
surface reconstruction
neural rendering
neural implicit surface
point cloud
adaptive sampling
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
