山大SIGGRAPH 2023 最佳论文得主分享:点云法向估计及保特征重建

简介: 山大SIGGRAPH 2023 最佳论文得主分享:点云法向估计及保特征重建

不久之前,计算机图形学顶级会议 ACM SIGGRAPH 2023 最佳论文奖评选结果揭晓。山东大学计算机科学与技术学院交叉研究中心(IRC)的科研团队发表的学术论文 “Globally Consistent Normal Orientation for Point Clouds by Regularizing the Winding-Number Field” 被评为五篇最佳论文之一。


这是自 SIGGRAPH 设立最佳论文奖以来,国内科研团队首次以第一单位荣获该奖项。


此,机器之心最新一期的线上分享,邀请到了最佳论文的作者山东大学交叉研究中心硕士生徐瑞来做主题分享,他将围绕两篇论文为我们介绍点云法向估计及保特征重建方面的工作。


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,他们在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。

第一篇文章专注于解决重建带有特征线的多边形表面的问题。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。

以下是两篇研究链接,感兴趣的读者可以在分享前先行研读:


GCNO: https://xrvitd.github.io/Projects/GCNO/index.html

RFEPS:https://xrvitd.github.io/Projects/RFEPS/index.html




分享主题:Globally Consistent Normal Orientation and Reconstruction for Feature-line Equipped Surfaces


嘉宾简介: 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多篇文章,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://xrvitd.github.io/


分享摘要: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。


直播间:关注机器之心机动组视频号,立即预约直播。

机器之心机动组

已结束直播,可观看回放

观看回放

点云法向估计及保特征重建

视频号



交流群:本次直播设有 QA 环节,欢迎加入本次直播交流群探讨交流。




机器之心 · 机动组

机动组是机器之心发起的人工智能技术社区,聚焦于学术研究与技术实践主题内容,为社区用户带来技术线上公开课、学术分享、技术实践、走近顶尖实验室等系列内容。机动组也将不定期举办线下学术交流会与组织人才服务、产业技术对接等活动欢迎所有 AI 领域技术从业者加入

目录
打赏
0
相关文章
论文介绍:HigherHRNet——用于自下而上人体姿态估计的尺度感知表示学习
【5月更文挑战第22天】HigherHRNet是针对自下而上人体姿态估计的尺度感知方法,通过构建高分辨率特征金字塔,改善多尺度人体姿态估计的准确性。该论文提出的新架构在COCO测试集上提高了2.5%的中号人物平均精度,达到70.5%的AP,且在CrowdPose上超越所有自上而下方法,实现67.6%的AP。作者通过消融实验验证了各个组件的重要性,并指出未来可优化模型以适应更复杂场景。论文链接:[https://arxiv.org/abs/1908.10357](https://arxiv.org/abs/1908.10357)
119 1
史上最全综述 | 3D目标检测算法汇总!(单目/双目/LiDAR/多模态/时序/半弱自监督)(下)
近年来,自动驾驶因其减轻驾驶员负担、提高行车安全的潜力而受到越来越多的关注。在现代自动驾驶系统中,感知系统是不可或缺的组成部分,旨在准确估计周围环境的状态,并为预测和规划提供可靠的观察结果。3D目标检测可以智能地预测自动驾驶车辆附近关键3D目标的位置、大小和类别,是感知系统的重要组成部分。本文回顾了应用于自动驾驶领域的3D目标检测的进展。
史上最全综述 | 3D目标检测算法汇总!(单目/双目/LiDAR/多模态/时序/半弱自监督)(下)
【论文速递】MMM2020 - 电子科技大学提出一种新颖的局部变换模块提升小样本分割泛化性能
【论文速递】MMM2020 - 电子科技大学提出一种新颖的局部变换模块提升小样本分割泛化性能
118 0
史上最全综述 | 3D目标检测算法汇总!(单目/双目/LiDAR/多模态/时序/半弱自监督)(上)
近年来,自动驾驶因其减轻驾驶员负担、提高行车安全的潜力而受到越来越多的关注。在现代自动驾驶系统中,感知系统是不可或缺的组成部分,旨在准确估计周围环境的状态,并为预测和规划提供可靠的观察结果。3D目标检测可以智能地预测自动驾驶车辆附近关键3D目标的位置、大小和类别,是感知系统的重要组成部分。本文回顾了应用于自动驾驶领域的3D目标检测的进展。
史上最全综述 | 3D目标检测算法汇总!(单目/双目/LiDAR/多模态/时序/半弱自监督)(上)
AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等