［本站讯］近日，软件学院人机交互与虚拟现实研究中心在三维数字内容生成和渲染方面取得研究新进展，相关工作发表在计算机图形学领域顶级学术会议SIGGRAPH 2024上，第一作者和通讯作者单位均为山东大学。

“TensoSDF: Roughness-aware Tensorial Representation for Robust Geometry and Material Reconstruction” ，被SIGGRAPH 2024接收为期刊论文（ACM TOG），文章第一作者是软件学院硕士研究生李佳，指导老师是软件学院教授王璐，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。

从图像中恢复物体的几何与材质是一个高度不适定的问题，现有的神经重建方法大多只能针对某一类材质的物体进行处理（如漫反射或镜面反射材质），缺乏能够鲁棒地对任意反射材质的物体进行重建的方法。为此，本研究提出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。

“DreamFont3D: Personalized Text-to-3D Artistic Font Generation” 被SIGGRAPH 2024接收为会议论文，文章第一作者是软件学院博士研究生李祥，指导教师是软件学院教授孟雷、副教授武蕾，合作指导教师还包括软件学院副研究员李曼祎、教授孟祥旭。

针对现有文本生成3D方法难以生成可识别的、局部可控的3D字体，提出了一种名为DreamFont3D的新方法。该方法利用多视图字体蒙版和布局条件来约束3D字体结构和局部字体效果。为了增强3D字体的可识别性，本研究提出了多视图蒙版约束，以优化可微的3D表示以保持字体结构。本研究引入了一个蒙版加权模块，以确保在文本引导的字体效果和蒙版引导的字体结构保持之间实现平衡。为了精确控制局部字体效果，该方法设计了多视图注意力调制，指导视觉概念根据提供的布局条件出现在特定区域。与现有的文本生成3D方法相比，DreamFont3D在字体效果与文本提示的一致性、可识别性以及字体效果的局部控制方面显示出其明显的优势。

“Real-time Neural Woven Fabric Rendering”，被SIGGRAPH 2024接收为会议论文，文章第一作者是软件学院硕士研究生陈翔，指导教师是王璐教授，合作指导教师还包括南京大学教授王贝贝。

针对典型的梭织布料材质，提出实时的、可泛化的、多尺度的神经渲染方法。由于梭织布料内部复杂的经纬纱交织结构，在常见尺度下使用低采样数渲染会包含很多噪声。而提高采样数会成倍增加渲染时间，导致实时渲染多尺度梭织布料成为难题。本研究基于梭织布料纹理的规律性和重复性，设计编码器在较低维的特征空间下实现了特征提取。根据不同布料材质所提取出的特征，进一步设计统一的轻量级解码器对材质进行查询表示。实验结果表明，本研究方法可以在实时条件下实现多尺度梭织布料的高质量渲染，并且无需对不同布料材质分别训练，在常见梭织布料类型内具有很好的泛化性。