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。

因此，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。