2025年1月，人工智能学院戴经国教授以第一作者身份在《PLOS ONE》期刊发表了题为“Fast surface reconstruction algorithm with adaptive step size”的论文。该期刊是SCI收录期刊，是JCR Q1分区，中科院三区。PLOS ONE是由Public Library of Science（PLOS）创办的一本综合性期刊，创刊于2006年，该期刊致力于推动科学研究的开放与共享，为全球学术界提供一个无国界、无障碍的科学交流平台。
在2023年，戴经国教授独创性地提出了一种用于表面重建的快速算法。该算法通过交替使用 Anderson外推与隐式渐进迭代逼近(I-PIA)，能够快速从点云数据收敛。该算法在迭代过程中采用固定步长来增强收敛性。为了进一步提高计算效率，本文进一步探讨了一种自适应步长调整策略用于表面重建算法。在每次迭代过程中，步长会根据当前的残差值自适应调整——较大的残差可能需要较大的步长，而较小的残差可能允许较小的步长。数值实验表明，在相同的重建误差条件下，自适应步长算法比固定步长方法 所需的迭代次数明显更少，计算时间也显著降低。这些改进显著提升了表面重建的计算性能，并为进一步的研究和应用提供了新的思路。
本文的主要实验结果：
本文的主要贡献：
1.在2023年研究成果的迭代算法的基础上，引用了一个步长参数以提高算法的收敛速度。该方法采用了固定步长的调整策略，给出了固定步长的选择策略并取得了较好的收敛效果。
2.给出了异步长的隐式渐进迭代逼近法和异步长的安德森外推迭代格式，将两种方法交替迭代得到自适应的隐式曲面重构的快速算法。
3.对于含噪声的点云数据，给出了正则化的自适应的隐式曲面重构的快速算法。
