Talk预告 | SIGGRAPH'23 Best Paper徐瑞：全局一致点云法向估计、特征保持的点云重建

本期为TechBeat人工智能社区第526期线上Talk ！

北京时间8月30日(周三)20:00，山东大学硕士生—徐瑞的Talk将准时在TechBeat人工智能社区开播！

他与大家分享的主题是:“全局一致点云法向估计、特征保持的点云重建”，届时将以全局一致点云法向估计、特征保持的点云重建这两篇文章为引，介绍他和团队在CAD重建、特征线恢复和点云法向估计方面取得的显著的改进和突破。

Talk·信息

主题：全局一致点云法向估计、特征保持的点云重建

嘉宾：山东大学硕士生—徐瑞

时间：北京时间8月30日(周三)20:00

地点：TechBeat人工智能社区

http://www.techbeat.net/

Talk·介绍

点云重建一直是计算机图形学和逆向工程领域的关键问题。现有方法对法向一致性依赖性强，且无法准确重建尖锐特征。本研究通过正则化卷绕数场计算全局一致的法向量，并采用离散最优传输和限制的Power图实现特征线完整的多边形网格重建。

这两篇文章的研究背景是CAD模型重建和点云法向估计，这些问题在计算机辅助设计、计算机图形学和计算机视觉等领域有广泛的应用。通过引入新的算法和方法，我们在CAD重建、特征线恢复和点云法向估计方面取得了显著的改进和突破，为相关领域的进一步研究和应用提供了有力的支持和指导。

文章①

第一篇文章专注于解决重建带有特征线的多边形表面的挑战。在处理存在噪声和缺乏准确法向量的输入点云时，重建具有特征线的多边形表面尤其困难。为了应对这个问题，我们提出了一种名为RFEPS的多阶段算法

Talk大纲

1. 基于局部平面性假设对点云进行去噪处理

2. 通过离散最优传输的优化确定特征线区域，

3. 在几何边缘上投影生成足够多的特征点

4. 基于限制Power图对扩充的点集进行插值，从而生成多边形表面。

实验证明，RFEPS算法在重建质量方面表现优异，尤其是在恢复丢失特征线方面的能力方面超过了现有方法。

文章②

第二篇文章关注如何从未定向的点云中估计全局一致的法向量，这对于后续的几何处理应用非常重要。在处理未定向点云及其各种缺陷时，特别是稀疏点云或薄板、细管等情况下，该任务会变得十分困难。为了应对这个问题，我们提出了一个平滑的目标函数，用于描述可接受的卷绕数场的规则，从而从一组完全随机的法向量开始，找到全局一致的法向量方向。通过使用点云的Voronoi图顶点作为查询点。

Talk大纲

1. 卷绕数非零即一

2. 1和0在点云周围平衡分布

3. 法向量尽可能与外部Voronoi极点一致

实验结果表明，该方法在处理稀疏和嘈杂的点云以及具有复杂几何/拓扑结构的形状方面优于现有方法。

Talk·预习资料

论文链接：

https://ruixu.me/html/GCNO/index.html

论文链接：

https://ruixu.me/html/RFEPS/index.html

Talk·提问交流

在Talk界面下的【交流区】参与互动！留下你的打call和问题，和更多小伙伴们共同讨论，被讲者直接翻牌解答！

你的每一次贡献，我们都会给予你相应的i豆积分，还会有惊喜奖励哦！

Talk·嘉宾介绍

徐瑞

山东大学硕士生

徐瑞，山东大学交叉研究中心硕士二年级，导师为屠长河教授以及辛士庆副教授。研究方向为计算机图形学，计算几何，点云重建和几何建模等，曾在SIGGRAPH、TOG、TVCG、Eurographics等会议和期刊上参与发表文章10篇，其中两篇SIGGRAPH均为第一作者，并获得SIGGRAPH 2023最佳论文奖。

个人主页: https://www.techbeat.net/grzytrkj?id=33987

-The End-

如果你也想成为讲者

自荐 / 推荐

单人Talk | 团队专场 | 录播or直播 | 闭门交流

多种方式任你选择！

推荐讲者成功也有奖励哦~

关于TechBeat人工智能社区

TechBeat(www.techbeat.net)隶属于将门创投，是一个荟聚全球华人AI精英的成长社区。

我们希望为AI人才打造更专业的服务和体验，加速并陪伴其学习成长。

期待这里可以成为你学习AI前沿知识的高地，分享自己最新工作的沃土，在AI进阶之路上的升级打怪的根据地！

更多详细介绍>>

⤵一键送你进入Talk页面