GCL 学术活动：武汉大学何发智教授、西安交通大学杨义军教授
2025年5月7日（星期三）上午9:30-11:30，GCL实验室学术报告活动在东区管理科研楼801教室举行。武汉大学何发智教授受邀作题为“支撑基于设计历史和参数化特征建模方法的AI数据集”的报告，西安交通大学杨义军教授受邀作题为“面向工业应用的CAD几何引擎建模算法”的报告。本次报告由实验室刘利刚教授主持。
报告一：支撑基于设计历史和参数化特征建模方法的AI数据集
何发智老师的报告分为两个部分展开。首先，他深入分析了当前CAD相关数据集和CAD深度学习的痛点。何老师指出，目前的CAD数据集（如 DeepCAD数据集）和基于学习的三维建模方法离工业界“基于设计历史和参数化特征建模方法”有明显代差，无法支撑复杂工业场景的应用。单纯从神经网络/学习方法包括大模型方法出发，或单纯增加样本量，仍然无法消除该代差和痛点。
接下来，针对上述痛点，何老师介绍了WHUCAD数据集，其具备建模历史（特征操作/拓扑元素）之间引用/约束关系，支撑设计意图和语义的表达。首先，何老师介绍了WHUCAD数据集的二维草图部分。该数据集富含高级语义特征，以参数化形式保存草图绘制流程，并支持丰富的约束种类。
随后，何老师介绍了WHUCAD数据集的三维建模部分。该数据集支持高级特征，通过选择命名机制关联实体，表达设计语义和设计意图，并且支持和工业软件对接。与其他数据集的对比实验表明，WHUCAD数据集在建模步骤复杂度和高级特征支持等方面都有明显优势，且在标准Transformer框架的生成任务中，能够展现出对各种高级特征建模能力的支持。
本次报告详细分析了设计历史和参数化特征建模方法在CAD数据集和深度学习方法中的重要性，介绍了WHUCAD数据集在该领域的探索和贡献，为未来CAD数据集和深度学习方法的研究提供了方向指导和数据支持。报告结束后，大家积极提问，与何老师进行了深入交流与探讨。
报告二：面向工业应用的CAD几何引擎建模算法
杨义军老师围绕船舶与汽车的工业需求，系统介绍了几何引擎在多个关键建模问题中的研究进展与技术成果，涵盖曲面构造、N边洞填充、点反求、全局连续性优化、曲线曲面光顺、BSP树构建、建模指令生成及模型修复等方面。
首先，针对曲面构造问题，杨老师提出一种带引导线的 Coons 曲面拟合方法，可以获得在容差范围内逼近引导线、并具有良好光顺性的结果。在N边洞填充方面，杨老师提出结合法向约束与扭矢相容条件的最小二乘方法，提升了数值稳定性与光顺性。针对点反求问题，杨老师提出 SDL 参数化方法，在计算效率上优于传统建模引擎。
在全局曲面连续性优化方面，杨老师提出了一种基于容差控制的 G1 连续性优化方法，通过单独调整每个曲面靠近边界的控制点，实现曲面间的近似 G1 连续。针对曲线光顺，杨老师指出其本质是最小化曲线上曲率变化率的积分，并强调弧长参数化的重要性。对于曲面光顺，他提出了一种离散优化方法，通过最小化采样点与等参线方向周围点平均的距离，提高曲面平滑度。
在BSP树构建方面，杨老师提出了一种基于求解最优分割平面的方法，并通过混合权重的方式处理点云尺寸和分布不均的情况。关于建模指令生成，杨老师强调了指令序列之间的语义关联的重要性，并分享了OnShape平台中数据的获取和使用。
最后，杨老师介绍了 CAD 几何模型水密性检测与修复的研究进展，指出高效计算 Hausdorff 距离是该方向中的基础性问题，具有广阔的研究前景。
本次报告系统总结了面向工业应用的几何建模技术与前沿方向，报告结束后，与会者踊跃提问，与杨老师进行了深入交流与探讨。
讲者简介
何发智教授、博士生导师。从事CAD与CG、人工智能与智能计算相关科研。5篇代表作，代表了CN刊号/ISSN刊号/SCI一区/中国人工智能学会A类/中国计算机学会A类/清华大学计算机A类/ESI高被引/ESI热点/武汉大学双一流建设监测数据年度代表作/IEEE Society TIP年度下载全球Top25。主持国家自然科学基金项目8项(含国际合作交流项目)，主持军民融合项目一批。承担(副组长)国家863项目1项，参与国家重点研发项目、湖北省技术创新重大专项等若干。获得省部级自然科学二等奖1项、省部级科技进步二等奖1项。近4年完成科研经费800万。
讲者简介
杨义军,西安交通大学教授,博士生导师,CCF计算机辅助设计与图形学专业委员会和CSIAM几何设计与计算专业委员会委员,《计算机辅助设计与图形学学报》编委,CCF CAD/Graphics 2021大会共同组织主席。主要从事计算机图形学与几何引擎的教学与科研工作,在几何建模与数字几何处理研究上取得了一系列的成果,针对几何引擎中的自由曲面最优参数化理论、算法及其应用,约束曲面建模和光顺, 约束离散曲面几何处理算法及其应用进行了系列化研究,提出了一系列稳定高效的优化算法。