第十四届中国计算机图形学大会（Chinagraph2022）于2022年7月15-17日在西宁召开，由青海大学承办。中国计算机图形学大会（Chinagraph）是由中国计算机学会、中国自动化学会、中国图学学会、中国图象图形学会、中国系统仿真学会、香港多媒体及图像计算学会于1996年发起主办，是中国计算机图形学界最高级别的学术会议，已成为华语学者计算机图形学学术交流的重要论坛。本次大会举办了会前课程、特邀报告、技术论坛、论文报告及墙报展示，以及行业顶尖企业赞助商的相关技术与产品展示和分享、交流。
课题组有两篇论文在会议上报告，其中一篇被推荐至计算机辅助设计与图形学学报，另一篇被推荐至图学学报。15号下午为论文汇报环节，本次会议采取2分钟论文快报和海报展览的方式进行录用论文的展示。两篇论文的作者为张安杰和王佳栋同学，工作原因不便前往西宁，由亢宏媛和叶苑燕同学代为报告。这两篇论文的具体信息如下：
1、基于部件对应的三维形状风格迁移算法
该论文由课题组硕士生张安杰和陈中贵教授合作完成。论文提出了基于部件对应的三维形状风格迁移算法，输入一个源模型和一个目标模型，能够对源模型进行几何处理，使其在保持原有几何特征的情况下拥有目标模型的风格。该算法首先对源模型和目标模型做网格分割，然后使用CPD算法计算源模型与目标模型部件之间的旋转矩阵，接着使用PCA算法计算部件在主要方向上的长度，根据部件旋转矩阵和主长度计算缩放矩阵，最后优化一个带缩放的ARAP能量。实验表明，相比CPD-LBS基于顶点变形的方法，本文方法先对边变形然后拟合出顶点位置，不需要计算顶点权重，部件连接处不容易出现撕裂且部件之间的变换不会互相干扰; 相比Neural-Cage基于笼的变形方法，本文方法更灵活、变形能力更强。
2、保特征的点云骨架提取算法
该论文由课题组硕士生王佳栋、曹娟副教授以及陈中贵教授合作完成。三维模型的骨架提取是计算机图形学中一个重要的研究方向。对于有噪声的点云模型，曲线骨架提取的难点在于保持正确的拓扑结构以及良好的中心性；对于无噪声的点云模型，曲线骨架提取的难点在于对模型细节特征的保留。目前主流的点云骨架提取方法往往无法同时解决这两个难点。针对以上问题，本文提出了保特征的点云骨架提取算法，在最优传输理论的基础之上结合聚类的思想，将点云骨架提取的问题转化为一个最优化问题。通过对簇的优化与合并使得每个簇的覆盖范围逐渐扩大，同时更新簇的质心的坐标，最终得到骨架点。大量实验结果表明，本文算法对噪声数据不敏感，与主流的点云骨架提取算法相比，对于有噪声的点云，本文算法的结果具有更好的中心性；对于无噪声的点云，本文算法的结果不仅具有更好的中心性的同时能够更好地保留模型的细节特征。
在海报展示环节，多名来自各高校的人士表示对这两篇论文有强烈的兴趣，有的对风格化结果表示了赞扬，有的问目前是否有端到端的骨架提取方法，想要使用神经网络提取骨架；有的表示是否可以将骨架提取算法运用于医学数据处理。关于这些问题，课题组的同学与他们进行了深入交流。
文：叶苑燕
图：亢宏媛、叶苑燕