2026年GCL博士研究生答辩会（2）
2026年5月22日，中国科学技术大学数学科学学院安徽省图形计算与感知交互重点实验室（GCL）于数学院新楼705会议室举行了2026届第二场博士学位论文答辩会。答辩会由答辩委员会主席杭州电子科技大学邓重阳教授主持进行，此外答辩委员会成员还包括南京大学王贝贝教授、以及本实验室的刘利刚教授、李新教授、张举勇教授、陈仁杰教授和傅孝明副教授，实验室多位同学们也参加了本次答辩会。
答辩人是GCL实验室的博士研究生项军同学、孙宇欧同学、彭博同学、高玄同学、王克淳同学和史东博同学。
项军同学的博士论文题目是《轻量、可控三维数字人重建与生成》，导师是张举勇教授。论文针对简易输入下数字人建模中效率、精度与可控性难以兼顾的问题，系统地研究了数字人轻量表示、稀疏全身重建以及细粒度前馈生成方法。首先，论文提出了一种三维高斯人头轻量表示方法，通过二维参数化空间采样与高斯几何偏移网络建模面部动态细节减少了高斯基元的数量，在消费级硬件上实现了高精度超实时渲染。其次，论文提出了一种稀疏全身数字人重建方法，引入感知伪帧引导与重追踪校正机制，构建双形变场混合表示，缓解了单图输入下的信息缺失问题，实现了支持手势与表情驱动的单图重建。最后，论文提出了一种可控高斯化身前馈生成方法，构建了大规模三维高斯化身数据集，设计了输入感知解码机制和面部增强模块，提高了高频纹理的重建精度，实现了秒级的三维人体化身前馈生成。
孙宇欧同学的博士论文题目是《面向光场空间分布调控的光学器件优化》，导师是张举勇教授。论文围绕几何光学元件与衍射光学元件的优化设计，系统地研究了单目标面、双目标面等典型场景下的光场空间分布调控方法，选题具有重要的创新性和学术意义。首先，提出了一种基于几何光学的单面透镜/反射镜优化方法，以图像误差驱动表面更新，并结合最优传输提供全局先验，实现了复杂光场空间分布的重建。其次，论文提出了一种基于几何光学的双面透镜优化方法，通过耦合关系隐式塑造光线传播方向，实现了对双目标面空间分布的联合控制。最后，论文提出了一种基于波动光学的衍射光学元件优化方法，基于角谱法传播模型，将加工约束纳入增广拉格朗日优化框架，实现了微尺度光场空间分布的重建。
彭博同学的博士论文题目是《基于物理先验的穿衣人体与手物交互三维重建》，导师是张举勇教授。论文沿着单层人体、人体与衣物、人体与环境交互这一主线开展三维重建研究，将拓扑几何先验与物理动力学约束深度融合于神经渲染管线，系统地解决了个性化可控动态资产构建中的效率、泛化与鲁棒性问题，选题具有重要的创新性和学术意义。首先，提出了一种基于内蕴坐标的高效动态人体重建方法，通过将多分辨率哈希编码引入人体流形空间，实现了高保真动态隐式人体的分钟级快速重建。其次，论文提出了一种结合物理先验的可驱动双层解耦穿衣数字人的重建方法，并集成图神经网络动力学仿真器，实现了符合物理规律的泛化驱动。最后，论文提出了一种无预扫描模板的全自动手物交互4D重建管线，针对严重遮挡导致追踪失效的技术难点，利用时空注意力机制实现鲁棒的交互位姿估计，并引入四面体刚性体积守恒约束与光度本征解耦，实现了无模板的高保真四维交互资产自动化生成。
高玄同学的博士论文题目是《4D 数字人的个性化表达与可控生成》，导师是张举勇教授。论文围绕4D数字人的个性化建模与可控生成，系统地研究了个性化人头模型的快速重建、视频人像的一致性编辑以及泛化人像视频可控生成三个问题。首先，论文提出了一种基于多层级体素场的个性化人头神经辐射场基底表示与重建方法，将混合形状模型推广至神经辐射场，仅需少量单目视频即可在二十分钟内快速构建高质量4D人头模型。其次，论文提出了一种基于4D数字人表示和多模态生成式先验的人像视频编辑方法，通过神经高斯纹理机制与表情感知编辑模块，实现了高质量且时空一致的多模态可控视频编辑。最后，论文提出了一种基于可学习嵌入的泛化扩散数字人头模型，通过引入可学习高斯场作为稠密控制信号，结合真实与合成数据的混合训练策略，提升了跨身份与跨视角下数字人生成的泛化能力与真实感。
王克淳同学的博士论文题目是《基于现代图形处理器的高阶曲面光栅化渲染》，导师是陈仁杰教授。论文围绕高阶曲面在现代图形处理器上的光栅化渲染问题，针对传统三角化流程中存在的问题，系统地研究了细分曲面的高效并行生成、参数曲面的直接光栅化以及参数曲面的可微渲染三个问题。首先，论文提出了一种基于稀疏邻接矩阵的细分曲面并行计算方法，将不规则拓扑邻接关系转化为适合 GPU 并行访问的稀疏矩阵表示，降低了传统半边结构的维护与内存开销，提升了细分曲面可光栅化几何的生成效率。其次，论文提出了一种面向大规模参数曲面的直接光栅化方法，通过结合硬件光栅初始化与逐像素参数反演，避免了显式三角化带来的近似误差和三角形数量膨胀，实现了参数曲面在现代 GPU 上的高精度实时渲染。最后，论文提出了一种无网格的参数曲面可微渲染方法 ，利用直接光栅化得到的像素与参数对应关系，构建了从图像空间误差到曲面控制参数的解析梯度传播路径，避免了三角化引入的几何和梯度误差，为图像监督下的高阶曲面优化与逆向建模提供了稳定的解决方案。
史东博同学的博士论文题目是《无相机参数先验下的神经三维重建》，导师是陈仁杰教授。论文围绕神经辐射场与三维高斯泼溅这两种前沿三维表达方式，针对缺乏精确相机参数采集场景，系统地研究了无相机参数先验下的神经辐射场联合优化、三维高斯泼溅联合优化以及动态遮挡鲁棒重建三个关键问题。首先，论文提出了一种基于局部到全局联合优化框架的神经辐射场重建方法，结合局部几何约束与全局特征轨迹约束，改进了现有基于帧间相对变换方法的处理局限性。其次，论文提出了一种基于全局特征轨迹的三维高斯泼溅重建方法，通过设计围绕特征轨迹信息的特殊高斯核及对应的全局几何约束，并实现了高斯参数和相机内外参数的联合优化，为处理稀疏大范围重建问题提供稳定解决方案。最后，论文针对存在动态遮挡干扰的静态背景重建问题，提出了一种由粗到细的两阶段联合优化框架，通过引入帧相关干扰建模，有效抑制动态遮挡干扰，显著提升了非受控采集场景下静态场景重建的鲁棒性。
答辩委员会老师们在认真听取六位同学的答辩陈述之后，对每位同学的研究工作给予了积极评价，并围绕工作的理论研究、算法细节、应用场景、论文格式等方面提出了相关问题与建设性建议。
答辩结束后，答辩委员会老师们经过讨论和投票表决，一致通过了六位同学的博士学位论文答辩，并建议授予理学博士学位。答辩委员会主席宣布结果后，全体师生合影留念，共同祝贺六位同学顺利通过答辩。
最后祝项军同学、孙宇欧同学、彭博同学、高玄同学、王克淳同学和史东博同学前程似锦！愿你们继续弘扬GCL实验室精神，牢记初心，脚踏实地，在未来的科研与工作中取得更加辉煌的成就。