近日，第51届国际图形学与人机交互会议（SIGGRAPH 2024）在美国丹佛举行。软件学院人机交互与虚拟现实中心硕士生李佳和陈翔参加会议，分别进行汇报展示论文成果。

论文“TensoSDF: Roughness-aware Tensorial Representation for Robust Geometry and Material Reconstruction”第一作者为硕士生李佳，王璐教授为指导教师，合作指导老师还包括南京大学教授王贝贝、香港理工大学教授张磊。

该工作聚焦于从多视角图像中重建物体的三维几何与材质信息，通过结合张量表达与神经渲染技术提出了一个更鲁棒高效的重建管线。

具体的，论文提出了采用粗糙度感知的方式同时对辐射亮度场（radiance field）和反射场（reflectance filed）进行学习，使之能够自适应地判断物体的反射属性，从而能够鲁棒地重建任意反射物体的几何。同时，通过引入一种新的几何表达：TensoSDF——即利用张量网格编码有向距离场（SDF）以表示物体几何，能够恢复更多的几何细节并降低训练时间。此外，进一步提出了一种显式--隐式结合的策略进行材质估计，在保证效率的同时能够获得更加准确的材质估计结果。与已有方法相比，本研究成果能够实现更鲁棒的几何重建结果，并获得更优的重光照质量，同时减少了50%的训练时间。

论文主页：https://riga2.github.io/tensosdf/

论文“Real-time Neural Woven Fabric Rendering”第一作者为硕士生陈翔，王璐教授为指导教师，合作指导老师还包括南京大学王贝贝教授。

该工作以复杂布料材质的实时渲染为目标，依靠神经网络表达提出了梭织布料的实时渲染方法。

具体的，如下图所示，论文基于梭织布料纹理的规律性和重复性，通过提取材质纹理特征实现了对不同梭织布料类型的广泛支持。此外，根据对梭织布料内部结构的分析，其外观可以被拆分为多个项的组合，如经纱项和纬纱项等。通过拆分表达，神经网络可以在轻量化结构下精确表示布料外观。基于以上设计，论文方法可以在实时条件下实现多种梭织布料的高质量渲染。

论文链接：https://doi.org/10.1145/3641519.3657496

ACM SIGGRAPH是由国际计算机协会（ACM）组织的计算机图形学顶级年度会议。自1974年起，SIGGRAPH每年都会举办一次，旨在促进计算机图形学、交互技术、虚拟现实、计算机动画、计算机游戏等领域的研究、教育和应用，是中国计算机学会（CCF）推荐的A类刊物。

图/文：陈翔 责任编辑：王璐