近日，大连理工大学建设工程学部交通运输学院潘宝峰教授及其博士研究生卢佳乐等人与德国亚琛工业大学道路所团队在国际顶级期刊《Computer-Aided Civil and Infrastructure Engineering》上合作发表封面论文：“Regeneration of pavement surface textures using M-sigmoid-normalized generative adversarial networks”。

论文针对制约公路路表抗滑能力评价的瓶颈问题：路表纹理数据短缺、获取成本高，将深度学习方法引入到路表点云数据的再生成工作中，建立了路表纹理虚拟数据库。采用4种对抗式生成网络（DCGAN、LSGAN、WGAN-GP和DRAGAN）对路表纹理进行特征提取和再生成；针对模型训练过程中的信息丢失和不收敛问题，引入了纹理数据加强方法和M-Sigmoid归一化方法，建立了定量评估再生成纹理的真实性和多样性的评价体系，实现了现有纹理再生成方法无法完成的偏态分布路表纹理的有效再生成。纹理再生成框架具备良好的泛化性，一定程度上解决了纹理数据获取成本高以及数据量有限的行业难题，为系统性地研究纹理对道路行驶安全的影响和车路耦合数字孪生的应用提供了数据支撑。

COMPUT-AIDED CIV INF是土木工程领域的顶级期刊，2021年的影响因子为10.066。年发论文100篇左右。论文DOI: 10.1111/mice.12987。