编辑:David
【新智元导读】SIGGRAPH 2022最佳技术论文奖揭晓!北大陈宝权教授团队论文获荣誉提名奖。
计算机图形领域顶会SIGGRAPH 2022最佳技术论文奖揭晓!
今年,SIGGRAPH提供了两种提交研究成果的方式:期刊论文和会议论文,前者是往年同一计划的延续,后者是以较短的形式分享观点。
另外,SIGGRAPH 2022今年新推出了技术论文奖,包括最佳论文奖和荣誉提名奖。这些论文因研究的突出性和对计算机图形和交互技术研究的未来的创新贡献而被选中。
正式颁奖将于8月11日温哥华举行的SIGGRAPH 2022闭幕式上举行。
此次技术论文奖共评出最佳论文5篇,荣誉提名奖10篇。其中,北大陈宝权教授团队的工作获得荣誉提名奖。
最佳论文奖(5篇)
1. Image Features Influence Reaction Time: A Learned Probabilistic Perceptual Model for Saccade Latency
本文提出了一个受神经学启发的知觉模型,预测眼睛的反应时间,作为屏幕上观察到的图像特征的函数。本文的模型可以作为预测和改变电子竞技和AR/VR应用中反应延迟的指标。
论文链接:https://arxiv.org/pdf/2205.02437.pdf
发文机构:纽约大学、普林斯顿大学、北卡罗来纳大学教堂山分校、英伟达研究院
2. CLIPasso: Semantically-Aware Object Sketching
本文提出了CLIPasso,一种在不同抽象层次上绘制物体草图的方法。我们把草图定义为一组笔画,并使用一个可区分的光栅化器来优化笔画的参数,以适应基于CLIP的知觉损失。抽象程度通过改变笔画的数量来控制。
论文链接:https://arxiv.org/pdf/2202.05822.pdf
发文机构:特拉维夫大学,洛桑联邦理工学院、Reichman大学
3. Instant Neural Graphics Primitives with a Multiresolution Hash Encoding
神经网络作为图形基元的高质量表示而出现,如带符号的距离函数、光场、纹理等。我们的方法可以在几秒钟内训练出这样的基元,并在几毫秒内完成渲染,从而使它们可以在图形算法的内循环中使用,而以前它们可能被忽略。
论文链接:https://arxiv.org/pdf/2201.05989.pdf
发文机构:英伟达
4. Spelunking the Deep: Guaranteed Queries on General Neural Implicit Surfaces
这项工作为神经隐含曲面开发了几何查询,如射线投射、最接近点、交叉点测试、建立空间层次等。关键工具是范围分析,可自动计算神经网络输出的局部界限。由此产生的查询的准确性有保证,即使在随机初始化的网络上。
论文链接:https://arxiv.org/pdf/2202.02444.pdf
发文机构:多伦多大学,Adobe
5. DeepPhase: Periodic Autoencoders for Learning Motion Phase Manifolds
本文提出了一个周期性自动编码器,它可以从非结构化运动数据中学习身体运动的空间-时间结构。该网络产生一个多维相位流形,有助于增强神经角色控制器和各种任务的运动匹配,包括各种运动、比如随音乐跳舞或足球中的运球等。
发文机构:爱丁堡大学、艺电公司、香港大学
一作Github:
https://github.com/sebastianstarke/AI4Animation
荣誉提名奖(10篇)
1. Joint Neural Phase Retrieval and Compression for Energy- and Computation-efficient Holography on the Edge
本文提出了一个联合生成和压缩纯相位全息图的框架,并在边缘设备上实现了高远程传输效率和图像重建质量。通过在信息编码过程和相位解码程序之间不对称的计算分配,证明了边缘全息显示设备的低计算和能源成本。
论文链接:
https://www.immersivecomputinglab.org/wp-content/uploads/2022/07/Hologram_compression_network_11-compressed.pdf
发文机构:山东大学、普林斯顿大学,北卡罗来纳大学教堂山分校、纽约大学、北京大学
2. Computational Design of High-level Interlocking Puzzles
本文提出了一种计算方法,根据用户指定的谜题形状、谜底数量和难度来设计高级联锁谜题。我们的关键思想是利用一个新的拆解图来表示联锁谜题的所有可能配置,并指导谜题设计过程。
论文链接:
https://sutd-cgl.github.io/supp/Publication/projects/2022-SIGGRAPH-High-LevelPuzzle/download/2022-SIGGRAPH-High-LevelPuzzle.pdf
发文机构:新加坡科技大学;苏黎世联邦理工学院;奥地利IST公司
3. Sparse Ellipsometry: Portable Acquisition of Polarimetric SVBRDF and Shape With Unstructured Flash Photography
本文提出了稀疏椭圆测量法,这是一种便携式的偏振测量采集方法,可以同时采集偏振的SVBRDF和3D形状。本文还开发了一个完整的偏光SVBRDF模型,包括漫反射和镜面反射,以及单一散射,并设计了一个新的偏光反演算法。
论文链接:
http://vclab.kaist.ac.kr/siggraph2022p1/index.html
发文机构:韩国科学技术院(KAIST);萨拉戈萨大学-I3A;微软亚洲研究院;
4. Umbrella Meshes: Volumetric Elastic Mechanisms for Freeform Shape Deployment
伞状网格是一种可优化的弯曲活性结构,从一个紧凑的制造状态,部署到一个自由形状的设计表面。本文提出了一个完整的反设计管道,结合基于物理学的模拟,在求解组成单元格机制的几何参数时,对结构的弹性变形进行精确建模。
论文链接:
https://lgg.epfl.ch/publications/2022/UmbrellaMeshes/paper.pdf
发文机构:瑞士洛桑联邦理工学院、加州大学戴维斯分校、休斯顿大学
5. Sketch2Pose: Estimating a 3D Character Pose From a Bitmap Sketch
艺术家们经常通过光栅草图来捕捉角色的姿势,然后以这些草图为参考,在三维动画软件中辛苦地摆出一个三维角色。我们提出了第一个从单一的位图草图中推断出三维角色姿势的系统,产生了与观众期望一致的姿势。
论文链接:
http://www-labs.iro.umontreal.ca/~bmpix/sketch2pose/sketch2pose.pdf
发文机构:蒙特利尔大学
6. Facial Hair Tracking for High Fidelity Performance Capture
面部毛发是面部表演捕捉中一个基本被忽视的问题,它要求演员在捕捉过程中把胡子刮干净。我们提出了第一个可以重建和跟踪三维面部毛发纤维的方法,并在动态的面部表演中近似于底层皮肤。
论文信息:
https://s2022.siggraph.org/presentation/?id=papers_418&sess=sess112
发文机构:苏黎世联邦理工学院,迪士尼研究中心
7. Towards Practical Physical-optics Rendering
本文提出了一个实用的物理光传输框架,能够在渲染中再现全局衍射和波干扰效应。与现有的方法不同,我们能够用复杂的相干感知材料来渲染逼真、精细的场景,在整个过程中考虑到了光的波性,而且性能接近辐射渲染器。
论文链接:
https://sites.cs.ucsb.edu/~lingqi/publications/202203_practical_plt_paper_lowres.pdf
发文机构:加州大学圣芭芭拉分校
8. Free2CAD: Parsing Freehand Drawings Into CAD Commands
本文提出了Free2CAD,用户可以画出一个形状,我们的系统将输入的笔画解析成CAD命令,以再现画好的物体。从技术上讲,我们把基于草图的CAD建模作为一个序列到序列的转换问题,输入的笔触被分组以对应单个的CAD操作。
论文链接:
https://geometry.cs.ucl.ac.uk/projects/2022/free2cad/paper_docs/Free2CAD_SIG_2022.pdf
发文机构:INRIA,蔚蓝海岸大学,伦敦大学学院,微软亚洲研究院,Adobe研究院
9. Grid-free Monte Carlo for PDEs With Spatially Varying Coefficients
本文描述了一种方法来解决复杂几何域上具有空间变化系数的偏微分方程(PDE),不需要对几何或系数函数进行任何近似。本文主要贡献是通过从体积渲染的蒙特卡洛技术中获得灵感,扩展了WoS算法。
论文链接:https://arxiv.org/pdf/2201.13240.pdf
发文机构:卡内基梅隆大学,达特茅斯学院
10. Implicit Neural Representation for Physics-driven Actuated Soft Bodies
本文通过定义一个函数,使材料空间中的空间点与控制参数之间形成连续的映射,来控制主动软体。这使我们能够捕捉到信号的主导频率,使该方法不受离散化影响,并可广泛适用。
论文信息(一作个人主页):
https://people.inf.ethz.ch/~linyang/
发文机构:苏黎世联邦理工学院
自 1974 年以来,ACM SIGGRAPH 一直在促进和庆祝计算机图形和交互技术方面的创新,建立能够发明、教育、启发和重新定义计算机图形领域的社区。
参考资料:
https://blog.siggraph.org/2022/07/siggraph-2022-technical-papers-awards-best-papers-and-honorable-mentions.html/