计算机辅助设计与图形学学报

当前目录

• 数据驱动的智能CAD研究综述

  谭柏君, 徐延宁, 李曼祎, 王璐

  传统CAD系统存在效率低下、创新受限与设计周期长等不足，相比之下智能CAD技术有自动化、智能化和具备处理复杂任务能力等优势。文中综述了AI与CAD结合的相关工作，首先介绍CAD领域中常用的数据集；然后从CAD表示、正向工程和逆向工程3个方面概述AI对CAD流程的改变；再对近年来迅速发展的大语言模型对CAD的推动作用进行探讨；最后对智能CAD的研究现状进行总结，并探讨了高质量数据集构建、生成精度与处理规模的提升、大语言模型深度集成，以及CAD与CAE协同优化等未来可能的发展趋势。

• 基于神经辐射场与高斯溅射的3D虚拟人重建与驱动方法综述

  王俊超, 张金山, 杨璐嘉, 尹建伟

  随着元宇宙、数字孪生与智能交互方法的快速发展，3D虚拟人作为连接物理世界与数字空间的媒介，其高保真重建与自然驱动方法成为计算机视觉与人工智能交叉领域的核心挑战。文中聚焦神经辐射场（NeRF）与3D高斯溅射（3DGS）方法，系统地梳理了3D虚拟人重建与驱动方法的前沿进展，在形式上遵循从数据驱动重建到内容生成的常见流程，同时以动态建模、多模态对齐和物理约束融合三大维度为线索展开分析。在重建方法层面，重点探讨NeRF与3DGS的范式创新：基于NeRF的方法通过隐式连续函数建模动态辐射场，在单视角重建中实现复杂姿态的几何一致性优化； 3DGS方法则凭借显式可编辑性与实时渲染能力，显著地提升非刚性形变建模效率。在驱动方法层面，围绕音频与视频两大模态，分类阐述唇部同步、全脸表情生成、多模态情感驱动等关键方向，解析了时序建模网络、物理引导的神经渲染架构的优化路径。最后归纳该方法当前面临的跨模态时序偏差、动态建模效率-保真度矛盾等挑战，并展望物理引导学习、轻量化架构设计等未来发展方向，旨在为虚实融合的数字生态构建提供方法参考与理论支撑。

• 基于三维高斯泼溅的动态场景重建研究综述

  连振晗, 王章野, 牛炯, 程乐超

  作为计算机图形学与视觉领域的重点研究方向，动态场景重建的核心目标是从单目或多视角的二维图像序列或视频中精确地捕获并恢复动态场景的三维几何结构及其时变外观属性。三维高斯泼溅（3D Gaussian splatting，3DGS）是一种基于三维高斯体的场景重建和渲染技术，高斯体的参数化特性使其既可以显式地表示场景元素，又可以隐式地优化局部细节，从而高效地模拟场景中的光线传播和散射，最终实现实时渲染。文中对基于3DGS的动态场景重建方法进行梳理，并将其分为3大类。首先介绍3DGS的基本原理和优势，并简述相关的应用；然后总结基于变形场、时空四维高斯体和帧间动态传递3类方法，并围绕场景表示、运动建模、训练策略等维度展开描述，通过对比分析了每类方法的优缺点；最后回顾该领域的发展现状，指出未来可能的研究方向，包括时空数据结构的设计、稀疏视角下的动态重建，以及大规模动态场景的实时重建。

• 基于富文本的三维高斯生成与色彩编辑

  吴启凌, 徐昆

  三维高斯溅射凭借其渲染效率与质量，已经成为生成式三维模型的主流表示。然而，现有的三维高斯的语义编辑方法效率低、一致性差，而基于二维扩散的编辑方法容易产生三维不一致、颜色渗漏等问题。因此，提出一种基于富文本引导的三维高斯语义编辑方法，重点是色彩编辑任务。首先，使用现有的文本生成三维高斯模型得到待编辑高斯与跨视角注意力图；其次，利用注意力图提取三维一致的语义分割，建立富文本词组与编辑区域的关联；最后，设计基于区域的扩散降噪过程，结合语义分割进行噪声混合，逐步引导编辑区域的色彩向目标色彩逼近。在多条提示词上的实验结果表明，所提方法和2种参考方法相比，编辑区域更为精准、颜色渗漏更少，且编辑结果更自然；和基于优化的方法相比，单次编辑时间从10 min缩短至25 s。

• 多模态基础模型驱动的层次化三维场景图生成方法

  范文刚, 兰育青, 易任娇, 朱晨阳, 徐凯

  三维场景图生成是具身智能体实现自主环境交互的核心挑战之一。现有的方法虽然能够建模几何结构与对象间基本关系，但是在功能性语义表征、交互属性推理及上下文关联建模等高层次语义理解层面仍存在局限性。针对上述问题，提出多模态基础模型驱动的层次化三维场景图生成方法。首先构建增量式多模态感知网络，并通过联合几何-语义共同约束的融合策略实现几何与语义一致的三维重建；然后利用视觉-语言模型实现对象标签的上下文语义增强，生成融合功能属性与空间约束的复合描述符；最后引导大语言模型推导和预测多元语义关联，并将这种由多个对象参与的高层次语义关系形式化为超边结构，系统化构建包含几何-功能-交互多维耦合的语义超图。在Replica数据集上的实验结果表明，所提方法的可行性超越主流基线方法；在消融实验中的结果表明，高层次语义关系能够使任务规划成功率提升26.6个百分点；该方法能够有效地构建三维场景的几何与多维度语义表征，相较于文中对比方法，为复杂环境下的智能体认知决策提供了更为丰富和准确的推理信息。

• 基于共轭-测地四边对角网的曲面优化设计

  李欣烨, 王慧

  过特殊曲线的曲面设计是CAD领域中的经典问题，在自由建筑曲面的优化设计中有重要的应用。针对自由建筑曲面设计中四边网格的非平面性引发的幕墙加工成本高和结构力学性能不足的难题，提出一种基于共轭四边网与测地四边网的混合对角网的曲面优化设计方法。首先构建混合四边网的模型，并提出一种结合几何约束与交互设计的优化算法，实现混合四边网的高效构造；然后针对自由建筑曲面的具体设计需求，提供一个全面的设计方案，包括初始网格生成、交互式形态调整和结构形式设计。基于以上方法构建3项曲面屋顶设计案例，案例分析结果表明，所提方法不仅确保幕墙单元的平面性，而且通过优化测地对角索的布局显著地提高了结构的稳定性；该方法兼具几何精确性和工程可行性，为大型复杂自由建筑曲面的轻量化和低成本设计提供了一种解决方案。

• 宽顶堰逆向设计

  彭兴辉, 刘利刚

  针对传统宽顶堰几何优化依赖经验公式、难以精准调控下游水位的问题，提出一种基于不可压缩流体仿真的可微分优化模型。所提模型将堰体几何参数化为可优化变量，构建基于不可压缩Navier-Stokes方程的流场正向求解器；以目标区域与模拟区域的横向流速之差构造损失函数，利用自动微分技术高效计算关于几何参数的梯度；通过梯度下降算法迭代更新堰体形态，使下游横向流速分布逐步逼近设计目标，从而实现对下游水位的间接调控。数值实验采用共轭梯度法（CG）和自动微分法（AD） 2种梯度求解路径验证了模型的收敛性与一致性。定量评价结果表明，所提模型结合CG的均方误差(MSE)为0.150 92，结合AD的MSE为0.313 47，而传统经验公式的MSE为1.234 97，相较于传统方法最高可降低87.78%。研究表明，所提可微分框架实现了堰体几何与水力性能的高精度耦合优化，为复杂水工建筑物的智能化设计提供了新的技术途径，可扩展至溢洪道、鱼道等其他水利结构的几何优化问题。

• 基于三维关键点的CBCT重定向及二维头影测量模拟

  刘真鹏, 王琛, 陆书一, 魏广顺, 刘东旭, 周元峰

  针对口腔正畸学的三维影像测量分析法尚不成熟，而二维影像因维度限制存在模糊、失真的问题，提出了基于三维关键点的锥形束计算机断层扫描（CBCT）重定向及二维头影测量模拟可视化方法。首先使用深度学习方法在三维影像上预测特定关键点，并根据关键点与头位的对应关系建立参考坐标系，重定向形成头位统一的CBCT数据；然后通过算法模拟二维头影测量片成像过程，产生渲染图像；再通过非线性映射、区域增强等后处理方法，生成便于观察测量的模拟二维头影测量片。所提方法在84套CBCT的非公开数据集上达到均值0.8°，标准差0.5°的重定向欧拉角误差，生成的模拟图像可直接用于现有二维头影测量手动及自动方法，在7种质量评价的用户调研中有80%均认为其优于二维影像。

• MPUNet:基于多尺度特征增强和池化注意力的皮肤病分割网络

  吴一帆, 张帆, 王桦, 张明丽, 张彩明

  皮肤病的早期诊断高度依赖于皮肤镜图像中病变区域的准确分割。然而病变区域通常具有边界模糊、形状不规则等特点，同时图像还受到毛发、阴影等干扰因素的影响，难以有效地提取关键特征信息，这些因素对皮肤病的分割结果影响很大。为了解决上述问题，提出一种皮肤病分割网络MPUNet。该网络融合多尺度特征增强模块（MS-Module）和池化注意力模块（PL-Module）。MS-Module通过引入区分性的空间先验信息，在高和宽2个方向上进行通道自适应校准与融合，有效地增强多语义信息的表达能力和对病变边缘区域的特征提取能力； PL-Module采用池化注意力机制强化全局上下文特征的提取，通过激活相关通道抑制毛发、血管等干扰因素对分割性能的影响，同时缓解训练过程中的梯度消失现象。在ISIC2018、ISIC2017和PH2公开皮肤病分割数据集上进行实验的结果表明，MPUNet在mIoU指标平均提升1.57个百分点。

• 基于双分支特征交互和跨样本特征融合的胸腹部医学图像分割

  王康, 房乐鑫, 李振宇, 郝兴伟, 张彩明

  胸腹部医学图像分割在临床医学早期病变的筛查与诊断中具有不可替代的重要意义。针对胸腹部医学图像通常存在伪影干扰、边界模糊等因素，现有模型易产生分割错误的问题，通过构建双分支特征交互机制并联合跨样本特征融合，提出一种语义分割网络MQUNet。首先采用基于CNN-Transformer的双分支架构提取当前图像的局部特征与全局特征，尽可能全面地捕捉器官间的局部细节和空间关联，并新增设一个基于改进的激活函数的负向关注分支融合这2种特征，同时兼顾特征间的相似性和差异性，避免语义信息的丢失；然后根据训练样本的类别标签建立记忆队列存储解剖先验特征，并通过跨样本特征检索与加权融合将训练样本中的稳定解剖先验动态加入当前分割过程，有效地校正由伪影和模糊情况导致的特征偏移。在公开的心脏肿瘤（ACDC）和腹部多器官（Synapse）数据集上进行实验的结果表明，Dice系数指标分别达到92.53%和85.17%，优于文中对比的分割方法，MQUNet在胸腹部医学图像分割任务中展现出显著的优势。