<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Computer Graphics | 卢子期</title><link>https://assassin-plus.github.io/portfolio/zh/tags/computer-graphics/</link><atom:link href="https://assassin-plus.github.io/portfolio/zh/tags/computer-graphics/index.xml" rel="self" type="application/rss+xml"/><description>Computer Graphics</description><generator>Hugo Blox Builder (https://hugoblox.com)</generator><language>zh-Hans</language><lastBuildDate>Mon, 09 Jun 2025 00:00:00 +0000</lastBuildDate><image><url>https://assassin-plus.github.io/portfolio/media/icon_hu_982c5d63a71b2961.png</url><title>Computer Graphics</title><link>https://assassin-plus.github.io/portfolio/zh/tags/computer-graphics/</link></image><item><title>WaterLOD</title><link>https://assassin-plus.github.io/portfolio/zh/project/waterlod/</link><pubDate>Mon, 09 Jun 2025 00:00:00 +0000</pubDate><guid>https://assassin-plus.github.io/portfolio/zh/project/waterlod/</guid><description>&lt;h1 id="waterlod摘要"&gt;WaterLOD摘要&lt;/h1&gt;
&lt;p&gt;随着计算机辅助模拟研究的进展，岩土工程和水力领域对大规模三维流体模拟的需求越来越大。这些领域需要处理大规模、高精度的流体模拟数据。然而，传统的可视化技术存在效率低、真实性差、缺乏直观性等局限性。同时，虚拟现实和增强现实等当前流行技术的广阔应用前景要求开发照片级逼真的场景流体可视化。&lt;/p&gt;
&lt;p&gt;因此，本研究专注于大规模流体粒子数据的照片级逼真场景可视化，旨在快速、交互式地可视化数亿级左右的粒子数据。本研究首先通过对输入数据特征的深入观察，将连续细节技术引入流体颗粒数据领域，以减少性能浪费；同时，通过监控硬件性能，智能预加载未来的流体动画帧可以提高视频渲染的平滑度。本研究的核心是在VTK的OpenGL扩展中开发vtkOpenGLFluidMapper类。通过应用连续细节层次技术和未来帧预加载和传输优化技术，建立了一种高效的流体粒子数据场景可视化方法，并实现了一个原型系统，以验证该算法的可行性和优越性。该研究在不显著影响视觉效果的情况下提高了真实性可视化的效率。&lt;/p&gt;</description></item><item><title>FlameGS</title><link>https://assassin-plus.github.io/portfolio/zh/project/flamegs/</link><pubDate>Sun, 08 Sep 2024 00:00:00 +0000</pubDate><guid>https://assassin-plus.github.io/portfolio/zh/project/flamegs/</guid><description>&lt;h1 id="reconstructing-detailed-facial-mesh-from-monocular-or-multicam-videos"&gt;Reconstructing Detailed Facial Mesh from Monocular or Multicam Videos&lt;/h1&gt;
&lt;p&gt;July 2024 - Sept. 2024&lt;/p&gt;
&lt;p&gt;在犹他大学杨垠教授指导下的实习.&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;开发了一套全面的推理流程，从单目或多摄像机视频源重建照片级逼真的面部网格、纹理和动画，增强了虚拟角色在各种应用中的真实感和实用性&lt;/li&gt;
&lt;li&gt;将FLAME可微分参数化人脸模型与高斯溅射法相结合，以高效捕捉极端数据分布下的面部特征&lt;/li&gt;
&lt;li&gt;针对网格和高斯混合的Avatar表示，制定了一种传输算法，以便进一步模拟人脸运动。在表情、姿势和视角方面完全可控且用户友好&lt;/li&gt;
&lt;li&gt;与最先进的方法相比，实现了相当的图像相似性和多视图一致性，同时生成了时间上更平滑的姿势和表情动画&lt;/li&gt;
&lt;/ul&gt;
&lt;h2 id="copyright"&gt;Copyright&lt;/h2&gt;
&lt;p&gt;Header image copyright:
by Technical University of Munich&lt;/p&gt;</description></item><item><title>Micro-PT</title><link>https://assassin-plus.github.io/portfolio/zh/project/micropt/</link><pubDate>Tue, 28 Jun 2022 00:00:00 +0000</pubDate><guid>https://assassin-plus.github.io/portfolio/zh/project/micropt/</guid><description>&lt;h2 id="特性"&gt;特性&lt;/h2&gt;
&lt;ul&gt;
&lt;li&gt;分布式路径追踪/随机渐进光子映射&lt;/li&gt;
&lt;li&gt;OpenMP多线程&lt;/li&gt;
&lt;li&gt;次世代微表面PBR材质&lt;/li&gt;
&lt;li&gt;边界体积层次加速&lt;/li&gt;
&lt;/ul&gt;</description></item></channel></rss>