2024 年 SIGGRAPH 大会最佳论文发布 英伟达摘两篇最高奖项

原文标题:英伟达摘两篇最佳论文、浙大周昆获时间检验奖,SIGGRAPH 2024奖项出炉

原文作者:机器之心

冷月清谈:

**SIGGRAPH 2024 最佳论文和荣誉提名**

今日,计算机图形学领域最具权威的国际顶级会议 ACM SIGGRAPH 发布了 2024 年度最佳论文、荣誉提名和时间检验奖。

最佳论文

  • 从微表面到参与介质:用随机几何统一光传输理论,达特茅斯学院、英伟达

该研究提出了一个通用几何模型,可以表达确定性几何、微表面、参与介质,以及令人兴奋的新连续体。

  • Walking Robin:用 Robin 边界条件在星上行走,CMU、英伟达

这项突破性的方法提出了一种无网格蒙特卡罗方法,用于求解具有狄利克雷、诺依曼和罗宾边界条件的泊松方程等边值问题。

荣誉提名论文

  • 防穿刺外壳,波恩大学、巴黎 - 萨克雷高等师范学校、佐治亚大学、CMU

这项工作引入了形状空间,其中几何形状自然地避免相交,并可以在细化下收敛时防止碰撞。

  • 基于基本解决方案的闪电快方法,INRIA、佐治亚理工学院、巴黎综合理工学院

该研究提出了一种变分预处理器,可以提高求解边界积分方程离散化密集系统的效率。

  • 通过广义缠绕数对有理参数曲线的集合进行鲁棒的包含查询,科罗拉多大学博尔德分校、印第安纳大学医学院、劳伦斯利弗莫尔国家实验室

这项创新扩展了广义缠绕数理论,使得可以稳健且准确地对任意位置的非水密和自相交形状进行包含分类。

时间检验奖

ACM SIGGRAPH 时间检验奖颁发给过去十年对计算机图形学和交互技术产生重大且长远影响的论文。今年,四篇论文获得了这一殊荣。其中,来自浙江大学的周昆教授团队发表的论文实时面部动画的 3D 形状回归引起了广泛关注。该论文介绍了一种使用单目 RGB 相机进行实时、精确 3D 面部跟踪和动作捕捉的方法,开辟了在移动设备上创建逼真面部动画的途径。




怜星夜思:


1、此次 SIGGRAPH 颁奖中,哪些研究成果最让你印象深刻?
2、你认为这些获奖论文将对计算机图形学和交互技术的发展产生什么影响?
3、大家对浙大周昆教授团队的获奖论文有什么看法?




原文内容



机器之心报道

编辑:杜伟、小舟‍‍‍

今日,图形学领域最具权威的和影响力的国际顶会 ACM SIGGRAPH 发布了本年度的最佳论文、荣誉提名和时间检验奖。



自 50 年前举办第一次会议以来, Technical Papers program 一直是 SIGGRAPH 的核心。众多研究传播和讨论了动画、模拟、成像、几何、建模、渲染、人机交互、触觉、制造、机器人、可视化、音频、光学、编程语言、沉浸式体验和视觉计算机器学习等方面创新学术工作。
继 SIGGRAPH 2022 和 SIGGRAPH 2023 之后,SIGGRAPH 2024 继续接收两个综合论文 track 的投稿:期刊(ACM Transactions on Graphics)和会议。
其中,每年的最佳论文和荣誉提名奖授予那些「对计算机图形学和交互技术未来研究做出新贡献的突出性研究。
SIGGRAPH 2024 从数百篇投稿论文中评选出了 5 篇最佳论文、12 篇最佳论文荣誉提名以及 4 篇时间检验奖论文。PS:大家熟悉的高斯泼贱就是去年的最佳论文之一。
最佳论文及荣誉提名奖
论文 1:From Microfacets to Participating Media: A Unified Theory of Light Transport With Stochastic Geometry
  • 作者:Dario Seyb, Eugene d’Eon, Benedikt Bitterli, Wojciech Jarosz
  • 机构:达特茅斯学院、英伟达
  • 论文地址:https://darioseyb.com/pdf/stochastic-implicit-light-transport.pdf



论文简介:该研究推导出随机隐式表面上的光传输理论、并提出一个能够表达确定性几何、微表面、参与介质,以及令人兴奋的新连续体的几何模型。该模型原生支持空间相关性,这是大多数现有随机模型所缺少的。

论文 2:Walkin’ Robin: Walk on Stars With Robin Boundary Conditions
  • 作者:Bailey Miller, Rohan Sawhney, Keenan Crane, Ioannis Gkioulekas
  • 机构:CMU、英伟达
  • 论文地址:http://www.rohansawhney.io/WoStRobin.pdf



论文简介:该研究开发了一种无网格蒙特卡罗方法,用于求解边值问题,例如具有狄利克雷、诺依曼和罗宾边界条件的泊松方程。与传统的 PDE 求解器不同,该方法不需要体积网格划分或全局求解。它具有稳健性、并行性、可扩展至复杂的几何形状,并且允许依赖于视图的评估。
论文 3:Repulsive Shells
  • 作者:Josua Sassen, Henrik Schumacher, Martin Rumpf, Keenan Crane
  • 机构:波恩大学、巴黎 - 萨克雷高等师范学校、佐治亚大学、CMU
论文简介:形状空间是对几何数据进行非线性插值、外推和平均的强大工具,但以前的形状空间允许几何图形以非物理方式自相交。该研究引入了一个形状空间,其中几何形状自然地避免相交,并且可以在细化下收敛时防止碰撞。
论文 4:Lightning-Fast Method of Fundamental Solutions
  • 作者:Jiong Chen, Florian Schäfer, Mathieu Desbrun
  • 机构:INRIA、佐治亚理工学院、巴黎综合理工学院
  • 论文地址:http://www.geometry.caltech.edu/pubs/CSD24.pdf


论文简介:该研究提出了一种基于逆 Cholesky 分解的变分预处理器,以提高求解边界积分方程离散化密集系统的效率,有效解决基于边界的方法中常见的可扩展性问题。

论文 5:Robust Containment Queries Over Collections of Rational Parametric Curves via Generalized Winding Numbers
  • 作者:Jacob Spainhour, David Gunderman, Kenneth Weiss
  • 机构:科罗拉多大学博尔德分校、印第安纳大学医学院、劳伦斯利弗莫尔国家实验室
  • 论文地址:https://arxiv.org/pdf/2403.17371



论文简介:该研究使用数值稳定算法将广义缠绕数理论扩展到有理参数曲线的非结构化集合,从而允许在任意位置对非水密和自相交形状进行稳健且准确的 containment 分类。

荣誉提名

论文 1:Solid Knitting

  • 作者:Yuichi Hirose、Mark Gillespie、Angelica M. Bonilla Fominaya、James McCann
  • 机构:CMU
  • 链接:https://markjgillespie.com/Research/solid-knitting/index.html

论文 2:PEA-PODs: Perceptual Evaluation of Algorithms for Power Optimization in XR Displays

  • 作者:Kenneth Chen、Thomas Wan、Nathan Matsuda、Ajit Ninan、 Alexandre Chapiro、Qi Sun
  • 机构:纽约大学、Meta
  • 链接:https://www.immersivecomputinglab.org/wp-content/uploads/2024/06/pea_pod_paper.pdf

论文 3:CLAY: A Controllable Large-scale Generative Model for Creating High-quality 3D Assets

  • 作者:Longwen Zhang、Ziyu Wang、Qixuan Zhang、Qiwei Qiu、Anqi Pang、Haoran Jiang、Wei Yang、Lan Xu、Jingyi Yu
  • 机构:上海科技大学、影眸科技、华中科技大学
  • 链接:https://github.com/CLAY-3D/OpenCLAY

论文 4: Autoregressively Sewing and Generating Garments From Text Guidance

  • 作者:Kai He、Kaixin Yao、Qixuan Zhang、Jingyi Yu、Lingjie Liu、Lan Xu
  • 机构:上海科技大学、宾夕法尼亚大学、影眸科技
  • 链接:https://arxiv.org/html/2401.16465v1

论文 5:Bilateral Guided Radiance Field Processing

  • 作者:Yuehao Wang、Chaoyi Wang、Bingchen Gong、Tianfan Xue
  • 机构:香港中文大学
  • 链接:https://arxiv.org/pdf/2406.00448

论文 6:Fabric Tessellation: Realizing Freeform Surfaces by Smocking

  • 作者:Aviv Segall、Jing Ren、Amir Vaxman、Olga Sorkine-Hornung
  • 机构:苏黎世联邦理工学院、爱丁堡大学
  • 链接:https://igl.ethz.ch/projects/3dsmocking/3dsmocking_paper.pdf

论文 7:Capacitive Touch Sensing on General 3D Surfaces

  • 作者:Gianpaolo Palma、Narges Pourjafarian、Jürgen Steimle、Paolo Cignoni
  • 机构:CNR ISTI、萨尔大学
  • 链接:https://s2024.conference-program.org/presentation/?id=papers_637&sess=sess112

论文 8:SMERF: Streamable Memory Efficient Radiance Fields for Real-time Large-scene Exploration

  • 作者:Daniel Duckworth、Peter Hedman、Christian Reiser、Peter Zhizhin、 Jean-François Thibert、Mario Lučić、Richard Szeliski、Jonathan T. Barron
  • 机构:谷歌 DeepMind、谷歌研究院、谷歌 AR/VR 团队
  • 链接:https://s2024.conference-program.org/presentation/?id=papers_727&sess=sess111

论文 9:Spin-It Faster: Quadrics Solve All Topology Optimization Problems That Depend Only on Mass Moments

  • 作者:Christian Hafner、Mickaël Ly、Chris Wojtan
  • 机构:奥地利科学技术学院 (ISTA) 
    链接:https://s2024.conference-program.org/presentation/?id=papers_728&sess=sess118

论文 10:Ray Tracing Harmonic Functions

  • 作者:Mark Gillespie、Denise Yang、Mario Botsch、Keenan Crane
  • 机构:CMU、Pixar、多特蒙德工业大学
  • 链接:https://s2024.conference-program.org/presentation/?id=papers_786&sess=sess128

论文 11:Seamless Parametrization in Penner Coordinates

  • 作者:Ryan Capouellez、Denis Zorin
  • 机构:纽约大学
  • 链接:https://s2024.conference-program.org/presentation/?id=papers_787&sess=sess107

论文 12:Theory of Human Tetrachromatic Color Experience and Printing

  • 作者:Jessica Lee、Nicholas Jennings、Varun Srivastava, Ren Ng
  • 机构:加州大学伯克利分校
  • 链接:https://s2024.conference-program.org/presentation/?id=papers_1147&sess=sess135

时间检验奖

ACM SIGGRAPH 时间检验奖颁发给过去十年对计算机图形学和交互技术产生重大且长远影响的论文。今年是设立该奖项的第二年,考虑了 2012 年至 2014 年期间在 SIGGRAPH 会议上发表的论文。

以下四篇论文获得了 SIGGRAPH 2024 时间检验奖:

论文 1:3D Shape Regression for Real-Time Facial Animation (2013)
  • 作者:Chen Cao、Yanlin Weng、Stephen Lin、Kun Zhou(周昆)
  • 机构:浙江大学、微软亚研
  • 链接:https://dl.acm.org/doi/10.1145/2461912.2462012

摘要:本文介绍了一种使用单目 RGB 相机进行实时、精确 3D 面部跟踪和动作捕捉的开创性方法,开辟了在移动设备上创建逼真面部动画的方法。

周昆,2002 年获浙江大学工学博士学位,现为浙江大学计算机学院教授、国际计算机学会会士 (ACM Fellow),国际电气电子工程师协会会士 (IEEE Fellow)。

周昆的研究领域为计算机图形学、计算机视觉、人机交互和虚拟现实。在 ACM 和 IEEE 汇刊上发表论文 100 余篇,论文引用 1 万余次,获得发明专利 60 余项。他曾获得 2009 年 NVIDIA Professor Partnership Award、2010 年中国计算机图形学杰出奖、2011 年中国青年科技奖、2011 年麻省理工学院《技术评论》全球杰出青年创新人物奖 (MIT TR35 Award)、2016 年陈嘉庚青年科学奖、2021 年科学探索奖、2022 年亚洲图形学会杰出技术贡献奖。

论文 2:Femto-Photography: Capturing and Visualizing the Propagation of Light (2013)
  • 作者:Andreas Velten、Di Wu, Adrián Jarabo、Belén Masiá、Christopher Barsi、Chinmaya Joshi、Everett Lawson、Moungi Bawendi、Diego Gutierrez、Ramesh Raskar
  • 机构:MIT 媒体实验室、威斯康星大学麦迪逊分校、清华大学、萨拉戈萨大学等
  • 链接:https://dl.acm.org/doi/10.1145/2461912.2461928

摘要:本文介绍了一种用于捕捉光传输的系统。该系统可以制作反射和散射等常见现象的慢动作视频,从而为计算机图形学的核心概念创建前所未有的可视化效果。

论文3: Robust Inside-Outside Segmentation Using Generalized Winding Numbers (2013)

  • 作者:Alec Jacobson、Ladislav Kavan、Olga Sorkine-Hornung
  • 机构:苏黎世联邦理工学院、宾夕法尼亚大学
  • 链接:https://dl.acm.org/doi/10.1145/2461912.2461916


摘要:本文定义了一个用于识别 3D 网格内部体积的稳健算子,并已经成为处理网格的标准工具箱的关键组件,例如用于网格之间的布尔运算和四面体化算法。

论文4: How do Humans Sketch Objects? (2012)
  • 作者:Mathias Eitz、James Hays、Marc Alexa
  • 机构:柏林工业大学、bulangdaxue
  • 链接:https://dl.acm.org/doi/10.1145/2185520.2185540

摘要:本文介绍了一个独一无二的数据库,其中包含 20,000 个物体草图,并演示了如何使用该数据库。该数据库在推动草图生成、清理、识别和检索等广泛领域的研究方面发挥了重要作用。

博客地址:
https://blog.siggraph.org/2024/06/siggraph-2024-technical-papers-awards-best-papers-honorable-mentions-and-test-of-time.html/


© THE END 

转载请联系本公众号获得授权

投稿或寻求报道:[email protected]

浙大不愧是国内计算机图形学的领头羊!周教授的团队总是走在该领域的 forefront,他们的研究成果不断推动着行业的发展。

我投 Solid Knitting 一票!它允许我们用一种前所未有的方式创建 3D 形状,为 3D 打印、游戏和电影等领域开辟了新的可能性。

我相信 Walkin’ Robin 将成为解决 PDE 问题的游戏规则改变者。它的无网格方法和稳健性将使我们能够以更高的效率和准确性解决更广泛的问题。

Repulsive Shells 在形状空间的发展中也很重要。通过防止几何形状相交,可以促进该领域的创新,并为创造新的和令人兴奋的 3D 形状铺平道路。

周教授在计算机图形学领域做出了杰出的贡献,他的获奖论文就是一个很好的证明。这项研究为我们提供了在移动设备上创建逼真面部动画的强大工具,这将对娱乐、通信和其他领域产生重大影响。

别忘了 From Microfacets to Participating Media!这个几何模型太酷了,它可以统一光在不同介质中的传输。这对于理解和模拟自然现象至关重要。

当然是英伟达的两篇最佳论文!它们在光传输和边值问题求解方面取得了重大进展,为这些领域的未来研究奠定了坚实的基础。

哈哈,Robust Containment Queries 听起来像是一个很学术的名称,但它实际上非常有用。它将使我们能够更轻松地识别和操纵 3D 模型中的包含关系,这对许多图形应用程序至关重要。

话说回来,3D 形状回归技术还有哪些需要改进的地方呢?毕竟,实时捕捉和处理 3D 数据仍然面临着一些挑战。