本文主要是介绍计算机图形学未来,记2019年中科大《计算机图形学前沿》暑期课程,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
文:张俊婕
今年实验室里有9个小伙伴参加了中科大的暑期课程,分别是黄雨柔、马霏霏、张晓怡、刘传子、廖丹阳、张俊婕、肖宜、王雨博、张安杰,据说是史上人数最多的一届~
6月30日,我们来到了合肥,当时已经是傍晚,晚风习习,我们欣赏着落日余晖下的中科大校园,道路两旁有各种学科讲座的宣传展牌,绿树间悬挂着红白相间的彩旗、条幅,身边来往着各种肤色的学生,他们操着不同的语言进行交流,学术氛围非常浓厚。
7月1日,第八届中国科学技术大学《计算机图形学前沿》暑期课程在中国科学技术大学拉开了帷幕。该课程由中国科学技术大学图形与几何计算实验室主办,邀请了国内外众多学者前来授课。本年度课程的主题为“几何优化、几何深度学习与三维视觉”。课程内容涵盖数值优化、几何建模、三维重建、三维场景理解、几何深度学习等方面,是了解计算机图形学与三维视觉前沿和未来方向的好机会。
第一天的课程安排如下:
刘老师的报告主要分为两大部分:几何建模和参数化。刘老师还介绍了实验室在今年SIGGRAPH发表的剥橘子艺术工作,能够根据算法使橘子剥出各种各样的形状,非常生动有趣。
王鹏帅研究员首先介绍了三维深度学习的一些问题,如形状的分类、分割及生成等。除基于八叉树数据结构的O-CNN之外,他还介绍了用于形状生成的自适应O-CNN。
侯军辉老师的报告主要由背景介绍和基于深度学习的光场图像处理两大部分组成,图像处理工作包含去噪、超分辨率、重建和压缩,充分的实验表明基于深度学习的光场图像处理取得了不错的效果。
马超老师首先介绍了视觉目标跟踪的应用场景及难点,并介绍了他们在今年CVPR的无监督目标跟踪的工作。
第二天的课程安排如下:
刘天添研究员的主要研究方向是物体模拟,他首先介绍了柔性体仿真在实际中的广泛应用,且往往需要实时的响应。接着,刘天添研究员概览了柔性体仿真的pipeline,然后主要介绍求解柔性体仿真的数值解法。然后,刘天添研究员重点讲解了六篇文章,对其进行了总结对比,并分析了它们的主要研究思路,以期启发各位同学。
邓柏林老师首先回顾了一些经典优化算法,从而引出今天的课程主题:计算机图形学中的proximal algorithms。许多问题通过重新定义可以利用proximal algorithms求解。接着,老师介绍了安德森加速算法,对Local-Global求解算法进行了进一步加速。
第三天的课程安排如下:
机器人可能是图形学的一个落地方向,屠长河老师主要从两大方面来为我们讲解:计算机图形学如何为机器人服务,以及机器人如何为图形学提供技术或平台支持。
董未名老师介绍了Seam Carving、Non-Homo Warping、Scale-and-Stretch等算法。结合多个算法的优势,并弥补其各自的缺点,董未名老师提出了一种多算子图像缩放算法MULTIOP。另一方面,对于包含多个相似物体的图片,董老师提出一种了物体级别的缩放算法。此外,董老师还提出了自然图像的retargeting算法,基本思路是利用纹理合成对自然图像的纹理区域进行缩放。
高盛华老师所讲授的课程主要分为两大部分:line detection以及人体动作迁移。高盛华老师首先回顾了传统的三维重建算法,并提出了对三维视觉的结构学习框架,随后,他进一步介绍了CVPR 2018的线框(wireframe)检测工作及CVPR 2019的利用单张图片进行分片平面重建的工作。
何盛烽老师的主要课程内容为像素级的图像编辑,从面向视觉的图像编辑和面向图形学的图像编辑两方面展开。在面向视觉的图像编辑方面,何老师从图像去雾的经典算法谈起,讲述了他们发表于CVPR 2017的去阴影工作、CVPR 2019的去反射工作以及NIPS 2018的Active Matting工作。在面向图形学的图像编辑方面,何老师介绍了他们的基于L0约束的Image Downscaling工作以及无监督图像像素化工作。最后,何老师展示了他们最新的一些工作,涵盖图片的彩色化及卡通化等方面。
第四天的课程安排如下:
徐岗老师首先介绍了曲线曲面造型的基础工具及相关背景,以此为基础引入等几何分析的概念。接着,徐岗老师分别从前处理、求解器及后处理三个方面来介绍等几何分析的基本流程。在非均匀的情况下,对奇异点的处理就变得比较困难,李新老师针对此问题,提出了基本的解决思路,即寻找一个矩阵,使它的第二个和第三个特征值相等,并且它的所有系数都不相同。李新老师对该算法进行了进一步的拓展,提出了HNUS算法,同时证明了该算法具有G1连续性。之后,通过引入一个额外的参数,HNUS算法被进一步拓展为Enhanced HNUS,在收敛率上达到了最优。
陈仁杰老师首先介绍了平面形状的映射问题,接着,陈仁杰老师主要从形状变形所需要的一些性质引出平面调和映射的概念,还介绍了他们提出的有界扭曲定理以及基于牛顿法的优化算法,并在GPU上进行了高效的实现。之后,陈仁杰老师进一步介绍了利用调和映射进行插值的工作。许威威老师的课程主要讲授高质量的三维物体和场景建模。许威威老师首先讲述了他们基于深度相机的在线全局非刚性注册工作,主要目标在于提高深度相机的重建质量,接着介绍了他们利用在线结构分析提高室内场景的重建质量工作,主要思想是利用场景的平面结构信息。
第五天的课程安排如下:
高老师首先介绍了一种能够处理大尺度变形的具有平移旋转不变性质的三维形状特征表示RIMD,然后又引入了一种定义在每个顶点上的具有显示解码公式的特征ACAP,为了处理不同拓扑的形状数据集,高老师利用ACAP特征,整合CycleGan的设计思路,通过学习两组数据之间隐层变量的映射,实现了无对的全自动的网格形状迁移。徐枫老师主要关注如何利用民用的设备,如普通的RGBD相机,进行人脸人体人手等的重建。
通过本次暑期课程,我们开拓了视野,认识到了图形学有着各种各样的研究方向和应用场景,对学术不仅有了更深的敬畏感,更激起了科研的热情。
这篇关于计算机图形学未来,记2019年中科大《计算机图形学前沿》暑期课程的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!