虽然还没时间看，但还是觉得值得推荐，这是一个siggraoph2010的资源收集页面，不同于大家熟知的这个页面，不但收集了论文，还有courses，talks。

链接

随着激光扫描技术的发展，针对大规模城市建筑的三维扫描得以实现，随之而来的一个问题便是如何从扫描得到的点云数据重建出三维模型来？虽然三维扫描能够得到相对精确的位置信息，但是由于遮挡等因素的影响，大规模场景的点云数据往往不完整并且非常稀疏，所以基于点云的三维重建仍然是一个非常具有挑战性的问题。来自深圳先进技术研究院可视计算中心的研究人员们在这个领域做出了非常优秀的工作，并且他们的两篇相关paper都发表于SIGGRAPH 2010。

首先介绍的是Non-local Scan Consolidation for 3D Urban Scene。在图像处理领域有很多非局部去噪方法，这篇文章利用到三维点云数据中的重复结构实现了三维点云数据中的非局部去噪，从而得到比局部去噪更好的效果。

然后是SmartBoxes for Interactive Urban Reconstruction。传统的三维建模方法中需要大量繁杂的交互，现在的情况是当我们获取了三维数据之后，能否将人从繁杂的交互中解放出来呢？使用SmartBoxes！这篇文章提出一种新的交互式三维建模方法，只需要给出一些高层次的引导，程序便能根据这些引导智能地对数据进行拟合并进行三维建模。demo在下面的视频里。（解说的声音很甜的哦，宅男们！）

另外，发表这两篇paper的中心正在招兵买马，感兴趣的同学可以猛击这里。

不废话了，介绍这篇SIGGRAPH2010的文章，Parametric Reshaping of Human Bodies in Images，（啥时候SIGGRAPH跑到TOG里面去了啊），简单的说就是他用简单的傻瓜式交互可以得到相当专业的修图效果。

主要原理看了下介绍的视频是这样的：

将2D的图片匹配到一个3D的模型上面去，然后这进行高度等的变化的时候就改变模型上面对应的点，然后就又能改变2D的图片。说起来很简单，但我相信做起来应该是个很需要时间的一个过程。

好吧，看修图的时间到了：

好了，宅男们，图片已经不可靠了。。。。。

项目主页

去模糊是个欠定的问题，在这里MS的研究人员用惯性测量传感器作为prior来去模糊，最后出来的效果很给力啊

微软的研究人员最后还给出了去模糊前后的动画，很有感觉。

project主页

论文链接

有一个想法，siggraph2010刚刚结束，大伙肯定又看到了，甚至参与了很多有趣的项目。可不可以趁此机会将这些东西在此分享一下。有兴趣的请Email我啊：cvchina.info@gmail.com

众人拾柴火焰高。

FrankenCamera是standford鼓捣出来的出来的怪物级的相机，尺寸惊人，比加了手柄的无敌兔还要大，没点肱二，三头肌估计玩不动。目标是提供一个computational photography的开放式平台(提供曝光，聚焦，快门等等控制，而不用受限于消费相机的预装软件）。（也算是open source hardware么？）

siggraph2010上有一个介绍这个巨无霸的论文。

最近该实验室放出了一个开源软件Fcam，适用与两个平台，一就是上面的FrankenCamera,另一个就是nokia第一款基于maemo的的手机N900。（为何不跟个风，搞个NexusOne版本的？）

如果我没眼花的话，下面这句话的意思是一年内可以买到FrankenCamera？

Levoy said he expects those cameras will be available within a year.

来源

重复元素大量存在于人造和自然场景之中。受遮挡、部分缺失、物体间形变、光照变化等影响，在编辑这些图片过程中保持重复元素及其相互关系并非易事。手工保持重复元素之间的关系是非常耗时而且容易出错的。我们提出了一中新的算法框架：利用简单的用户交互来辅助检测和提取这些重复元素。该检测方法基于一中新的轮廓带图的方法，能够鲁棒的提取重复元素并获得它们之间的遮挡关系。进一步采用拓扑排序，可以建立这些相互遮挡重复实例之间的局部深度关系。通过分析其它未被遮挡的重复实例，我们可以对被遮挡物体进行补全。这些提取出的重复实例可以进一步被用于多种无缝的高层次图像编辑应用中。我们通过很多的不同复杂度的实例，演示了该算法框架的多种应用。这些应用包括：图像重排、编辑传播、变形传递和实例替换。

相关资料（论文，部分代码等可从作者主页获取：http://cg.cs.tsinghua.edu.cn/people/~cmm/）

提示：图像编辑长期以来多集中在像素或者patch级别的编辑。然而人类理解和处理信息的方式是基于场景物体级别的。从图像中检测有意义的物体并用于编辑是一个很好的方向，有很多事情还可以做。这篇文章只是一个开始，演示了部分应用。局限性也很明显：目前只利用了形状信息，检测和对应估计并未用到颜色和纹理，结果有局限性；作为场景物体级别图像编辑的一个开端，所演示的例子也比较简单，不能处理比较大的形变等，用户通常期望能处理更加复杂的情况。在这个方向上应该还有很多事情值得进一步推敲。