近期，中国科大安徽省图形计算与感知交互重点实验室在计算机图形学领域取得了系列重要研究进展。有12篇论文被图形学领域顶级会议Siggraph 2025录用，其中6篇论文被Journal Track录用，将发表在该领域唯一的一区TOP期刊ACM Transactions on Graphics上（2025年第4期），另6篇论文被Conference Track录用。所有论文将于2025年8月10日-14日在加拿大温哥华举行的Siggraph 2025会议上进行宣读。
第一篇论文
肖冬老师与陈仁杰老师合作完成论文“Flexible 3D Cage-based Deformation via Green Coordinates on Bézier Patches”。该论文提出了一种基于Bézier曲面片的曲线笼变形方法，通过结合Bézier曲面参数方程以及格林第三恒等式，在Bézier笼上建立格林坐标，实现高曲率的网格变形，且具有一定保形性。相比传统的三角/四边形笼，Bézier笼具有高阶结构以及非线性等参曲线，能够设计更紧凑的包围笼，且能更好地处理复杂的网格变形。针对三维曲边格林坐标不具有显式解，数值积分会带来一定误差的问题，本文还提出全局解空间投影法，使得坐标精确满足线性重构性质，Dirichlet项精确满足单位分解性质。本方法能处理张量积Bézier曲面以及Bézier三角形，相比前人方法能够实现更灵活的变形控制。
项目主页：https://bezier-green.github.io/
第三篇论文
杨开智同学、陈雪锦教授与加州大学圣地亚哥分校（UCSD）及 Hillbot Inc.的苏昊教授、徐泽祥博士合作完成论文“IMLS-Splatting: Efficient Mesh Reconstruction from Multi-view Images via Point Representation”。该论文提出了一种高效的多视角Mesh重建框架IMLS-Splatting。鉴于物体表面在空间中通常具有稀疏性与复杂拓扑，该方法引入点云作为潜在的可优化表达，以高效建模表面结构。为实现这一目标，方法设计了一种基于溅射（Splatting）的隐式移动最小二乘（IMLS）算法，能够将点云快速可微的转换为符号距离场（SDF）和纹理特征场，从而与可微光栅化过程无缝集成，实现多视角几何优化。IMLS 表达的引入有效保证了重建出的 SDF 和网格在无需额外正则化的情况下，依然能够保持良好的连续性与光滑性。凭借这一高效流程，IMLS-Splatting 能够在约 11 分钟内完成高细节Mesh的重建并支持高质量渲染。
第五篇论文
李常颢同学、辛雨同学、浙江大学周晓巍老师、Reichman大学Ariel Shamir老师、SFU大学张皓老师、深圳大学胡瑞珍老师和刘利刚老师合作的论文“MASH: Masked Anchored SpHerical Distances for 3D Shape Representation and Generation”，提出一种新颖的多视角、参数化的三维形状表示MASH，通过从一组分布在物体表面附近的空间锚点出发，利用三角基函数来表示每个锚点的视野范围，并使用球谐函数来表示从该锚点到物体表面的距离函数，来实现任意物体表面的参数化表示。相比于现有的各种显式和隐式的三维形状表示，MASH能够紧凑且准确地描述物体的完整几何信息。同时，相比于已有的形状生成方法，MASH的紧凑性与规整的数据结构使其适合形状生成等任务，并具有更高的生成效率。
项目主页：https://chli.top/MASH
第七篇论文
柳士博同学、刘利刚老师和傅孝明老师合作完成论文“Closed-form Generalized Winding Numbers of Rational Parametric Curves for Robust Containment Queries”。面向平面参数曲线，该文提出了一种基于留数定理的广义环绕数的解析计算公式。给定一条有向有理参数曲线和一个查询点，广义环绕数可被重新表述为有理多项式的积分。文章通过设定特殊的积分围道与积分函数，应用留数定理得到该积分的解析表达式。通过累加各条曲线的贡献量，可获得有理参数曲线集合的广义环绕数。此外，广义环绕数的导数也能被方便地导出。所得广义环绕数表达式具有简洁高效的计算特性，其计算速度超越了现有技术方法，并且对不同查询点的计算成本基本保持恒定。
第九篇论文
梁仲轩同学、杜伟同学、傅孝明老师合作的论文“Field Smoothness-Controlled Partition for Quadrangulation”。首先，该方法的核心思想是利用远离奇异点的光滑场流线作为布局边界，这使得奇异点能够被包裹在布局内部，从而形成更直的布局边界并减少奇异点的扭曲影响。其次，该方法引入了一种基于场平滑度的间接度量来控制布局质量，确保布局边界保持在场平滑度较高的区域内。基于这一思想与度量，该论文开发了实用的布局划分算法：在场平滑度控制下，先迭代地生成路径形成初始布局，再删除冗余路径实现布局简化。在大规模测试数据集上的实验结果表明，该方法能够生成高质量的保特征四边形网格，在保持鲁棒性的同时显著提升了网格质量，验证了其核心思想的有效性和实用性。
第十篇论文
朱均可同学、黄章进老师与腾讯廖诚老师合作完成论文”WishGI: Lightweight Static Global Illumination Baking via Spherical Harmonics Fitting“。该论文提出了一种轻量化的全局光照烘焙技术，能够有效支持低端设备。首先，提出了一种高效的光照重建方法，通过减少像素着色器中的采样次数并避免额外的渲染通道，显著提升了低端平台的运行效率。其次，为兼顾高质量与低内存，本文采用球谐函数拟合对光照信息进行烘焙，并提出逆探针分布方法，为每个网格生成唯一的探针关联。该关联可在局部空间离线生成，保证了同一网格实例间的一致光照质量。实验结果表明，本文方法在仅使用主流工业技术约5%的内存消耗下，依然能够实现高度竞争力的全局光照效果。
第十一篇论文
周轾同学、黄章进老师与腾讯李超老师、张震元老师合作完成论文”Gaussian Compression for Precomputed Indirect Illumination“。这篇论文提出了一种专为光场探针设计的新型高斯拟合压缩技术，从而允许使用更密集的采样点来描述复杂场景中的光照信息。该方法的核心思想是采用低比特自适应高斯函数存储光照探针的隐式表征，并支持在GPU上实现并行高速解压。此外，通过自定义的梯度传播替代PyTorch等传统推理框架，实现了光照信息的高速压缩。最后，通过实时构建级联光场纹理，该方法避免了烘焙与存储大量冗余的，3D纹理形式排列的光场探针。这一方案在保持高质量视觉效果与渲染速度的同时，实现了内存占用的进一步压缩。相较于基于主成分分析（PCA）的传统方法，这一压缩方案在各类测试场景中均表现优异，最高可实现1:50的压缩比。
第十二篇论文
刘利刚老师和南京大学朱鹏飞同学、过洁老师、郭延文老师等合作的论文“Appearance-aware Multi-view SVBRDF Reconstruction via Deep Reinforcement Learning ”，提出一种重建物体表观材质SVBRDF的自适应采集方法。从数学上来看，对SVBRDF函数的重建本质上就是对该函数的采样的过程。传统的SVBRDF的重建通常需要通过对材质对象进行不同视点、不同光照条件下的图片采集/采样，一般情况下需要采集较多的图片才能得到较为精准的重建结果。在该文种，我们将采样过程建模为一个序列决策问题，即如何根据现有的采样来决定获得最佳材质信息（函数）的下一个最佳视点和最佳光照的采样问题（称为NBVL问题），这样就能用最少数量的采样来得到较高质量的SVBRDF重建结果。为此，我们采用深度强化学习框架来训练出一个代理（agent），并设计了一个奖励函数，利用一个材质估计模型为每一步采样提供奖励，以引导代理的高效采样，并设计了两个辅助损失函数以及一个数据增强方式以帮助训练。当代理选择停止后，迄今为止的NBVL 序列就构成了该材料的最佳采样集。通过对合成材料和真实情况进行大量实验表明，该方法提取的最佳采样集优于其他启发式方法。
项目主页：https://pfzhu-nju.github.io/Auto-recon/
Dong Xiao, Renjie Chen. Flexible 3D Cage-based Deformation via Green Coordinates on Bézier Patches. In ACM SIGGRAPH 2025 Conference Proceedings, 2025.
Kechun Wang, Renjie Chen. PaRas: A Rasterizer for Large-Scale Parametric Surfaces. In ACM SIGGRAPH 2025 Conference Proceedings, 2025.
Kaizhi Yang, Liu Dai, Isabella Liu, Xiaoshuai Zhang, Xiaoyan Sun, Xuejin Chen, Zexiang Xu, Hao Su, IMLS-Splatting: Efficient Mesh Reconstruction from Multi-view Images via Point Representation. ACM Transactions on Graphics (Proc. SIGGRAPH), 44(4),2025.
Yuan-Yuan Cheng, Qing Fang, Ligang Liu, Xiao-Ming Fu. Divide-and-Conquer Embedding. In ACM SIGGRAPH 2025 Conference Proceedings, 2025.
Changhao Li, Yu Xin, Xiaowei Zhou, Ariel Shamir, Hao Zhang, Ligang Liu, Ruizhen Hu. MASH: Masked Anchored SpHerical Distances for 3D Shape Representation and Generation. In ACM SIGGRAPH 2025 Conference Proceedings, 2025.
Di Zhang, Ligang Liu. Asymptotic analysis and design of linear elastic shell lattice metamaterials. ACM Transactions on Graphics (Proc. SIGGRAPH), 44(4), 2025.
Shibo Liu, Ligang Liu, Xiao-Ming Fu. Closed-form Generalized Winding Numbers of Rational Parametric Curves for Robust Containment Queries. ACM Transactions on Graphics (Proc. SIGGRAPH), 44(4), 2025.
Shibo Liu, Tielin Dai, Ligang Liu, Xiao-Ming Fu. Polynomial 2D Biharmonic Coordinates for High-order Cages. ACM Transactions on Graphics (Proc. SIGGRAPH), 44(4), 2025.
Zhongxuan Liang, Wei Du, and Xiao-Ming Fu. Field Smoothness-Controlled Partition for Quadrangulation. ACM Transactions on Graphics (Proc. SIGGRAPH), 44(4), 2025.
Junke Zhu, Zehan Wu, Qixing Zhang, Cheng Liao, Zhangjin Huang. WishGI: Lightweight Static Global Illumination Baking via Spherical Harmonics Fitting. ACM Transactions on Graphics (Proc. SIGGRAPH), 44(4), 2025.
Zhi Zhou, Chao Li, Zhenyuan Zhang, Mingcong Tang, Zibin Li, Shuhang Luan, Zhangjin Huang. Gaussian Compression for Precomputed Indirect Illumination. In ACM SIGGRAPH 2025 Conference Proceedings, 2025.
Pengfei Zhu, Jie Guo, Yifan Liu, Qi Sun, Yanxiang Wang, Keheng Xu, Ligang Liu, Yanwen Guo. Appearance-aware Multi-view SVBRDF Reconstruction via Deep Reinforcement Learning. In ACM SIGGRAPH 2025 Conference Proceedings, 2025.
