GCL学术成果：6篇论文被顶会SIGGRAPH ASIA 2024录用
近期，GCL实验室在计算机图形学领域取得了系列重要研究进展。有6篇论文被图形学领域顶级会议Siggraph Asia 2024录用，其中4篇发表在该领域唯一的一区TOP期刊ACM Transactions on Graphics上（2024年第6期）。所有论文将于12月份在日本东京举行的Siggraph Asia 2024会议上进行宣读。
【第一篇论文】
这篇论文提出了一个基于扩散模型的统一的多视图图像到多视图图像转换框架MV2MV。首先，该方法提出了一种新的自监督训练策略，利用现成的单视图图像转换器和3D高斯飞溅(3DGS)技术的成功来生成伪GT作为监督信号，从而增强一致性和精细细节。其次，提出了一个潜在多视图一致性模块，它利用潜在的3DGS作为底层的3D表示来促进跨多视图图像的信息交换，并将3D先验注入到扩散模型以增强一致性。最后，提出联合优化策略，能够在一致性和真实性之间实现更好的权衡。在各种图像转换任务中进行的大量实验表明，MV2MV在定量和定性方面都优于现有方法。
项目主页：https://youchengcai.github.io/MV2MV/
【第二篇论文】
这篇论文设计出了一种通过多点共轭精确传递用户指定运动的机械结构：mpcMech。传统的由多个简单形状的机械部件所组合成的机械结构具有复杂的拓扑结构，这会增加组装和维护的复杂性，降低运动的功能性。为了摆脱这些限制，作者提出了仅由一对运动部件构成的机械结构，将其建模为一对具有多个共轭点的共轭曲面，从而形成多点共轭机构。
为了研究这种新型机构，作者将共轭曲面理论与形封闭抓取理论建立联系，提出了动态形封闭条件；在此条件下，一个共轭曲面通过多点共轭能够连续不断地将运动传递给另一个共轭曲面。基于此条件，作者提出了一种基于优化的方法来建模多点共轭机构的几何，以精确生成用户指定的复杂运动；该方法适用于一维、二维或三维的运动空间。该方法的核心在于对满足多点共轭、动态形封闭和可制造性等要求的多对共轭曲线进行建模。作者通过对不同类型的多点共轭机构建模并生成各种运动、使用3D打印原型评估机构的运动学性能、以及展示了三个应用实例，展示了该方法的有效性。
项目主页：https://sutd-cgl.github.io/supp/Publication/projects/2024-SIGAsia-mpcMech/index.html
【第三篇论文】
这篇论文提出了一种新的多项式Cauchy坐标，用于计算曲线区域上的形状变形。该方法通过使用分段Bézier曲线表示域的边界，成功将复值Cauchy重心坐标推广到曲线边界的情况，与现有的Polynomial 2D Green坐标相比，该方法获得了等效的结果。此外，作者推导了坐标的n阶导数表达式，以及基于Cauchy积分公式的逆映射数值积分公式，使得通过中间步骤实现曲线笼子之间的变形成为可能。该方法的优势在于可以直接使用曲线笼子作为输入，提高了输入的灵活性。论文通过大量实验展示了该坐标在交互式变形中的多功能性和有效性。
【第四篇论文】
这篇文章提出了PortraitGen框架，给定一个人像视频，基于多模态提示词实现高质量人像视频编辑。之前的人像视频编辑方法的编辑结果往往有时域不连续、三维不一致的问题，并且视频渲染质量和效率也不能让用户满意。为了解决这些问题，这篇文章将二维的人像视频提升到四维的高斯场中，以此确保了帧之间的时间连续性和三维一致性。此外，这篇文章设计了一种神经高斯纹理机制，不仅使复杂的风格编辑成为可能，还实现了超过100FPS的渲染速度。通过从多模态生成式大模型中蒸馏编辑先验知识，这一工作实现了高质量的基于文本编辑、基于图片编辑、以及人像重打光等应用。
项目主页:PortraitGen (ustc3dv.github.io)
【第五篇论文】
这篇论文提出了一种简单而有效的点云法线定向方法。方法的核心是结合全局和局部信息来定义一个新的优化目标函数：在全局上，我们引入一个带符号的不确定性函数来区分曲面的内部和外部；受益于全局项的统计不确定性信息，定向估计可以用局部估计来替代。这个优化问题可以通过常用的数值优化求解器求解，例如L-BFGS。作者通过对各种复杂点云的实验，展示了该方法的能力和可行性，相比于现有的最先进方法，该方法在实际应用中表现出更高的鲁棒性和法线质量。
项目主页：https://ustc-gcl-f.github.io/projects/SNO/SNO.html
【第六篇论文】
这篇论文提出了一种精确且高效的三角网格相交消除方法。该方法包含两个关键部分。首先，作者引入了一种名为“间接偏移谓词”的新型几何谓词，通过新的公式表示所有交点，并建立了所有必要的几何谓词，从而减少了浮点运算中的数值误差，提高了算术过滤早期阶段的成功率。其次，作者开发了用于交点排序去重和定位的局部化与降维技术，在保持准确性的同时显著提升了算法的效率和并行性。通过严格测试，验证了算法的鲁棒性及其与现有方法结果的一致性。综合多种数据集的测试结果进一步表明，该方法在速度上相较当前最先进的方法提升了一个数量级。
项目主页：https://mangoleaves.github.io/projects/mesh-arrangements/
祝贺GCL实验室各位老师和同学及合作者！
【论文信息】
1. Youcheng Cai, Runshi Li, Ligang Liu. MV2MV: Multi-View Image Translation via View-Consistent Diffusion Models. ACM Transactions on Graphics (Proc. SIGGRAPH Asia), 43(6), 2024.
2. Ke Chen, Siqi Li, Peng Song, Jianmin Zheng, and Ligang Liu. mpcMech: Multi-Point Conjugation Mechanisms. ACM Transactions on Graphics (Proc. SIGGRAPH Asia), 43(6), 2024.
3. Zhehui Lin, Renjie Chen. ACM SIGGRAPH Asia 2024 Conference Proceedings.
4. Xuan Gao, Haiyao Xiao, Chenglai Zhong, Shimin Hu, Yudong Guo, Juyong Zhang. ACM SIGGRAPH Asia 2024 Conference Proceedings.
5. Guojin Huang, Qing Fang, Zheng Zhang, Ligang Liu, Xiao-Ming Fu. Stochastic Normal Orientation for Point Clouds. ACM Transactions on Graphics (Proc. SIGGRAPH Asia), 43(6), 2024.
6. Jia-Peng Guo, Xiao-Ming Fu. Exact and Efficient Intersection Resolution for Mesh Arrangements. ACM Transactions on Graphics (Proc. SIGGRAPH Asia), 43(6), 2024.