qq_46349377的博客

自然而然的后半句讲实验的总述性结果，给人一个小小的震撼。别人审稿人看论文摘要肯定是重点，你摘要没有亮点或很nb的结论或者新颖方法（其实也是要服务于结论的），根本没人会理。作为图形学当下最热的方向之一（神经网络结合），感觉始终无法绕开这个坎，遂决定仔细研读一下这篇史诗巨作。抛雪球算法连传统的mesh都摒弃了，算是开辟了一个非常热的赛道。（核心之核心，场景的保存格式从mesh变成椭球）。当然，这种表示很有效，可以避免冗余的计算。作为对上一句话的介绍，谈谈该方法在人眼能分辨的1080p上的现实情况。

就算是神经网络的发明，也是根据一些数学定理得来的。(2) 球面松弛的方法. Al2 exa [1 ]提出将网格的所有顶点投影到模型的最小包围球面上 ,固定球面上 6 个顶点位置 ,然后用离散 Laplace 平均算子来不断松弛球面上其它顶点的位 置 ,直到实现球面参数化. Kobbelt 等[14 ]也提出了类 似方法.(3) 基于凸组合的方法. Gotsman 等[15 ] 提出 将应用于平面参数化的凸组合方法扩展到球面域中 ,他们给出了非常简明的计算方法 ,并且证明了这 种方法的合理性。

计算机图形学原理及实践 面向自己的小随笔