欢迎光临中国图象图形学学会官方网站,让我们一起努力,探索图象图形领域的广袤天地!
首页 > 学会动态 > 学会新闻

“智能图形计算前沿进展与应用”图像图形学科前沿讲习班第八期圆满结束

2018-11-20

        11月18日下午,中国图象图形学学会主办的第8期“智能图形计算前沿进展与应用”学科前沿讲习班(IGAL8)在浙江大学圆满结束。本次活动由浙江大学周昆教授担任学术主任,中国图象图形学学会智能图形专业委员会和浙江大学计算机辅助设计和图形学国家重点实验室承办,马上科普支持,共有来自全国各地的120余位老师、同行参加,讲习班现场气氛热烈。

image.png

讲习班活动现场

        第一天,周昆教授主持并作开班致辞。周老师总结了计算机图形学的发展历程,梳理了计算机图形学的产业背景、核心内容和前沿问题,介绍了八位主讲人的简历和研究进展,希望大家能够学有所获,学有所成。

image.png

周昆老师作开班致辞

        11月17日上午,微软亚洲研究院主管研究员刘洋老师首先开讲。刘老师的报告展示了通过绘制稀疏二维或三维草图来创造三维自由曲面的技术。这项技术将表达物体形状的草图形式和期望曲面的曲率流向及特征方向相关,由此为基础设计了数值上高效鲁棒的计算方法以构建符合用户设计意图的三维曲面。刘洋老师还重点介绍了如何利用训练数据包含的先验知识,基于深度学习实现二维草图向三维曲面的转换。

image.png

刘洋老师作报告

        接下来,香港中文大学教授、美国机械工程师协会会士王昌凌教授作了精彩报告。王教授在报告中介绍了其最近的研究成果。这一研究使用多轴运动沿着动态变化的方向进行材料积累。这项成果产生了两种方法,主要集中在如何避免体积到表面、表面到曲线分解的框架中的额外支撑结构。报告讨论了这个框架的未来扩展,可实现更快、更准确地打印模型。

image.png

王昌凌老师作报告

        下午,香港中文大学黄田津教授为大家分享了训练数据稀少的情况下如何去做图像学习。黄教授在报告中提出,通过对草图增加各种纹理构建训练数据对,可以极大程度缓解草图提取任务中训练数据难以获取的问题。接着,黄教授讨论了如何将这一策略扩展到其他应用,例如草图着色,以及可逆灰度应用的无监督学习框架等。

image.png

黄田津老师作报告

        浙江大学CAD&CG国家重点实验室王锐教授带来了当天的最后一场报告。王教授分享了他近几年在真实感绘制与实时绘制领域取得的一系列科研成果。王教授的工作重点考虑了在当前移动平台资源受限的情况下,如何达到最优的真实感绘制和实时绘制效果。他首先介绍了针对绘制计算中光场传输信号的稀疏性进行分析的工作,利用稀疏性可以大大加速真实感绘制中的光线采样与重构计算,从而提升真实感绘制的速度;其次讲解了针对实时绘制提出的自优化(auto-tuning)的绘制流水线优化框架,利用该框架可以自动地实现对绘制过程的优化,并介绍了基于该框架开展的多项优化工作,包括着色器(shader)简化、能耗优化等等。

image.png

王锐老师作报告

        第一天四位讲者的报告激发了大家的研究兴趣,通过与讲者大咖们的相互交流扩展了视野和思路。报告结束后,大家踊跃提问,咨询相关问题,并相互进行深入的交流。

image.png

学员与讲者讨论互动

        第二天,由学会智能图形专委会秘书长,浙江大学许威威教授主持,讲习班现场气氛依然热烈,讲者们有条理地为大家梳理了交互式机器学习模型分析、基于深度学习的艺术风格化研究、从人到场景的动态三维重建、智能媒体计算,讲述了当下的最新研究成果、面临的难点以及解决思路。

 

        11月18日上午,清华大学软件学院的长聘副教授刘世霞老师首先开讲。刘老师的工作试图通过可视化实现可解释的AI,打造系列工具链进行深度学习"黑盒子"的拆解。报告首先介绍了她提出的机器学习模型可视分析框架。该框架跳出传统可视分析“先分析再可视化”的单一方向分析机制,将机器学习方法和交互可视化方法有机地结合在一起,从而更好地帮助用户理解复杂模型及其输出结果,分析、诊断并不断完善机器学习模型。为用户选择、利用及改进机器学习模型提供技术依据。最后,结合具体的应用实例,如集成学习模型和深度学习模型分析等,介绍了她基于该框架研制开发的可视分析技术。

image.png

刘世霞老师作报告

        清华大学软件学院特别研究员徐枫老师围绕人体动态重建问题介绍了若干项最新的研究工作,包括利用不同的硬件设备,针对高精度、便捷性和实时性三大目标,对人体的不同部分(包括面部,肢体,目光)进行运动重建。徐老师的工作可以同时对运动人体,材质和光照进行建模,极大拓展了3d人体建模的应用范围。之后,徐老师针对360度场景的动态重建技术,介绍了他所在课题组的最新研究成果。

image.png

徐枫老师作报告

        下午,香港城市大学计算机科学系助理教授廖菁在报告中了介绍其近两年基于深度神经网络学习风格迁移(style transfer)的一系列科研成果。报告首先介绍如何设计深度神经网络学习语义信息和艺术风格,然后将其艺术风格根据语义应用到新的照片,视频,VR/AR中。值得注意的是,廖菁老师提出的方法可以实现包含几何风格在内的艺术风格迁移。其后,介绍了一些相关的扩展应用包括照片颜色转换(比如白天变黑夜、夏季变冬季),人像化妆迁移,黑白照片上色等。

image.png

廖菁老师作报告

        南开大学教授程明明老师带来了讲习班的最后一课。程老师的报告以计算机图形学和计算机视觉这两个领域共同关注的话题为导引,探讨了图形学和计算机视觉的融合与相互促进过程中所产生的机遇和挑战。报告中特别提到了在缺少训练样本的条件下,如何利用收集的大量网络数据和弱监督学习方法实现高精度的图像语义分割任务。

image.png

程明明老师作报告

        结营仪式上,本期讲习班学术主任周昆教授感谢与会同行及合作单位的大力支持,他在致辞中说道,计算图形学发展至今,在智能终端、智能系统以及智能制造这三个方面面临新的重要挑战,需要做的工作非常多,希望本次讲习班的8个报告能给学员们带来新的启发,有机会我们将继续组织这方面的研讨会来推动这个学科的发展。

image.png

周昆老师结营仪式致辞

        接下来,周昆教授为学员代表颁发了结业证书。学会副秘书长程明明教授代表主办方在结营仪式上致辞并为本次讲习班学术主任周昆教授颁发纪念证书。

image.png

学员代表领取结业证书

image.png

学会副秘书长程明明老师(右)为周昆老师(左)颁发学术主任证书

        至此,第八期“智能图形计算前沿进展与应用”图像图形学科前沿讲习班,在各位专家和广大同行的大力支持下,取得圆满成功。后续讲习班的内容更加精彩,欢迎大家继续支持。