[论文解读] Poisson Vector Graphics (PVG) and Its Closed-Form Solver

Fei Hou, Qian Sun+6 more|arXiv (Cornell University)|Jan 16, 2017

Computer Graphics and Visualization Techniques参考文献 12被引用 3

一句话总结

本文提出泊松矢量图形（Poisson Vector Graphics, PVG），作为扩散曲线的扩展，通过泊松曲线和区域支持非零拉普拉斯算子，实现高光、半透明等逼真效果。提出一种基于调和B样条的闭式求解器，实现分辨率无关的渲染、随机访问、缩放和抗锯齿，相对均方误差低于0.3%。

ABSTRACT

This paper presents Poisson vector graphics, an extension of the popular first-order diffusion curves, for generating smooth-shaded images. Armed with two new types of primitives, namely Poisson curves and Poisson regions, PVG can easily produce photorealistic effects such as specular highlights, core shadows, translucency and halos. Within the PVG framework, users specify color as the Dirichlet boundary condition of diffusion curves and control tone by offsetting the Laplacian, where both controls are simply done by mouse click and slider dragging. The separation of color and tone not only follows the basic drawing principle that is widely adopted by professional artists, but also brings three unique features to PVG, i.e., local hue change, ease of extrema control, and permit of intersection among geometric primitives, making PVG an ideal authoring tool. To render PVG, we develop an efficient method to solve 2D Poisson's equations with piecewise constant Laplacians. In contrast to the conventional finite element method that computes numerical solutions only, our method expresses the solution using harmonic B-spline, whose basis functions can be constructed locally and the control coefficients are obtained by solving a small sparse linear system. Our closed-form solver is numerically stable and it supports random access evaluation, zooming-in of arbitrary resolution and anti-aliasing. Although the harmonic B-spline based solutions are approximate, computational results show that the relative mean error is less than 0.3%, which cannot be distinguished by naked eyes.

研究动机与目标

• 通过非零拉普拉斯算子实现对色调和明暗的直接控制，扩展扩散曲线图形。
• 解决现有扩散曲线模型在控制梯度、极值点以及复杂效果（如光晕和半透明）方面的局限性。
• 开发一种数值稳定、针对分段常数拉普拉斯算子的二维泊松方程闭式求解器，支持任意缩放和抗锯齿。
• 通过将颜色（狄利克雷边界条件）与色调（拉普拉斯控制）分离，实现直观的创作方式，相比先前方法提升易用性。

提出的方法

• 引入两种新原语：指定拉普拉斯值的泊松曲线和用于局部色调控制的泊松区域，实现对明暗分布的控制。
• 使用调和B样条表示泊松方程 Δu = f 的解，其中 f 在子区域上为分段常数。
• 局部构建基函数，并求解小型稀疏线性系统以计算控制系数，实现闭式求值。
• 通过在任意点求值调和B样条基函数，支持随机访问求值和高分辨率缩放。
• 采用四叉树域离散化方法，高效计算调和B样条系数并保持数值稳定性。
• 以格林第三恒等式和边界元方法为基础，适配处理非零拉普拉斯算子和面积积分。

实验结果

研究问题

• RQ1 矢量图形模型能否通过允许非零拉普拉斯算子扩展扩散曲线，以实现更丰富的明暗效果，如高光和半透明？
• RQ2 如何构建分段常数拉普拉斯算子下泊松方程的闭式解，以支持交互式创作和高分辨率渲染？
• RQ3 PVG中颜色与色调的分离是否能相比现有扩散曲线方法，提升用户对局部极值点和色相变化的直观性和控制力？
• RQ4 求解器如何在无需预计算或迭代优化的情况下，同时实现数值稳定性和对任意缩放及抗锯齿的支持？

主要发现

• PVG框架成功仅通过稀疏几何原语实现了高光、核心阴影、光晕和半透明等逼真渲染效果。
• 基于调和B样条的求解器与真实值相比，相对均方误差低于0.3%，人眼无法察觉。
• 求解器支持随机访问求值、任意缩放和抗锯齿，无需重新计算边界条件，优于迭代和预计算方法。
• 与依赖雅可比迭代的求解器相比，该方法在缩放和平移过程中避免了视觉伪影，后者常因边界不准确而产生问题。
• 用户研究表明，PVG比传统扩散曲线及其双调和扩展更直观、更易使用。
• 该方法计算高效且稳定，避免了双调和求解器常见的病态条件和数值问题。