近日，软件学院智能图形图像处理实验室周元峰教授团队在三维数据智能处理研究领域取得新进展，研究成果分别被计算机视觉领域顶级国际会议 IEEE Conference on Computer Vision and Pattern Recognition（CCF A类会议）、人工智能领域顶级国际期刊 IEEE Transactions on Pattern Analysis and Machine Intelligence（CCF A类期刊、中科院一区，TOP期刊，IF=20.8）录用。软件学院副研究员魏广顺、硕士研究生杨传祥分别为论文的第一作者，周元峰教授为论文通讯作者，山东大学为论文唯一第一作者和通讯作者单位。

三维几何处理与建模是计算机视觉和计算机图形学领域的核心问题，其目标是从不完整或带有噪声数据中恢复高保真的三维形状和连续曲面。在处理三维点云补全和高质量曲面重建方面是难点问题。在点云补全方面，现有方法通常基于部分观测直接预测缺失区域，但由于解空间的高维性和复杂性，补全结果往往缺乏细节且不够准确。而在曲面重建方面，主流隐式表达（如符号距离场和无符号距离场）存在理论或应用上的局限性，难以同时兼顾曲面类型多样性和零水平集的可微性，制约了高质量曲面的恢复。针对上述问题，本研究围绕三维几何的高质量生成与重建展开两项创新工作：

针对传统点云补全方法通常从部分点云中提取特征以预测缺失区域，本研究利用大模型中相对视角一致的多视图扩散先验，生成目标形状的新视角图像。为充分利用这些先验信息，论文设计了一个形状融合模块，用于从多模态输入中生成初始的完整形状；设计了形状整合模块，去除由扩散先验不一致性带来的不可靠点，从而得到最终的三维点云完整形状。实验结果表明该方法能够准确补全缺失点云信息，恢复细节区域。该研究成果已被CVPR 2025会议（CCF-A）接收，论文合作者还包括软件学院马龙副研究员，英国爱丁堡大学李昌健博士，软件学院博士研究生王琛、硕士研究生冯源。

三维曲面重建任务的目标是在稀疏离散的点云数据上恢复出连续、光滑的三维几何表面，是计算机图形学与计算机视觉中的基础性难题。针对该难点问题，团队创新性地提出了一种缩放平方距离场，作为曲面的新型隐式表达方式。该表达不仅具备对任意类型曲面的建模能力，同时在零水平集保持良好的可微性，理论上克服了传统表示的局限性。此外，研究团队还设计了一种新颖的蒙日-安培正则项，无需监督信息即可从原始、未配向的点云中学习隐式曲面结构。实验结果表明，该方法在曲面细节恢复上表现出色，为更高精度的三维重建提供了坚实基础。该成果已被TPAMI期刊（CCF-A）接收，论文合作者还包括软件学院魏广顺、马龙副研究员，香港城市大学侯军辉副教授、香港科技大学刘缘助理教授。

以上研究工作得到了国家自然科学基金（62172257）、山东省重大基础研究计划（ZR2024ZD12）、山东大学未来青年学者计划项目的资助。