近日，我校计算机学院智能可视建模与仿真实验室（iGame）博士生曹弘逸以第一作者完成的论文《Practical Occluder Generation for Mobile Games》被计算机图形学领域CCF A类期刊《IEEE Transactions on Visualization and Computer Graphics》（IF 6.5）录用。本文通讯作者为徐岗教授及腾讯互娱光子工作室高希峰研究员，杭州电子科技大学为第一署名单位，合作单位包括腾讯互娱光子工作室、腾讯互娱魔方工作室等。
遮挡剔除是大规模仿真场景实时渲染的重要支撑技术，通过剔除被其他物体遮挡的不可见对象，可大幅降低GPU带宽占用，是保障大规模高密度场景流畅运行的关键。其核心是使用简化的代理几何体（低密度的网格）替代高精度原模型进行快速可见性测试，但理想遮挡物需同时满足位于原模型内部、保留真实遮挡关系、三角面数极低等三大严苛要求。长期以来，工业界依赖手动制作遮挡物，流程繁琐、迭代效率低；现有自动化方法无法处理带自交、薄壁、开放边界、异常法向等缺陷的真实资产，且错误率高、生成速度慢，难以满足工业化生产需求。
针对这一行业痛点，本工作首次提出一套面向真实三维场景的鲁棒、高效两阶段全自动遮挡物生成方案：第一阶段通过局部邻域法向投票+全局射线交叉验证的逐顶点偏移优化策略，在复杂几何特征（如薄墙、嵌套结构、破损模型）下仍能生成内嵌于原模型的偏移网格，从理论上避免错误剔除可见对象；第二阶段提出改进型保守二次误差度量（QEM）简化算法，通过动态调整平面约束偏置、自适应识别并移除无贡献微小区域，在保证遮挡精度的同时实现极致面数压缩，单模型生成时间的预期可控制在10秒左右。
研究团队在大规模三维仿真场景数据集上开展系统验证，结果显示，较现有主流方法具有显著优势；对于10万三角面以内的模型，生成效率较同类方法提速数倍至数十倍；在Thingi10K公开数据集上（包含一万个模型），8236个模型可实现面数压缩至原模型1%时仍保持高遮挡率和极低的错误率的优异性能，其平均遮挡率为85.4%，平均错误率为0.2%，各项指标均处于国际领先水平。该技术可扩展到CAE工业仿真、虚拟现实、具身机器人等对空间遮挡计算有需求的场景，具有重要的实际应用价值。
本成果由我校计算机学院智能可视建模与仿真（iGame）实验室指导完成，团队长期深耕智能可视建模、实时渲染、设计仿真工业软件等方向，已在ACM TOG、TVCG、CVPR、AAAI等国际顶级期刊会议上发表论文数十篇，并与华为2012实验室、中国商飞、腾讯互娱、航天五院、气动中心等单位建立了深度产学研合作关系，多项成果实现产业化落地。
