第十二届中国科大《计算机图形学前沿》暑期课程（第一天）

2024年7月8日星期一，第十二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东校区拉开了帷幕。课程由中国科学技术大学安徽省图形计算与感知交互重点实验室（GCL实验室）承办，由苏州珂晶达电子有限公司提供独家赞助。本次课程与中国工业与应用数学学会（CSIAM）几何设计与计算专业委员会（ GDC）举办的《几何建模与图形计算》前沿讲习班同时同地举办，由GCL实验室刘利刚老师和傅孝明老师及国内外知名学者们共同授课。

课程为期五天，其中安排了三天的前沿课程，主题分别为“3D AIGC、鲁棒网格生成、虚拟数字人”，深入剖析领域的基础知识和最新发展；其余两天为前沿报告，主题包括“物理仿真、渲染、CAD/CAE、大规模场景重建”，能够了解来自行业前沿的研究进展，掌握最新的技术动态。课程内容丰富和前沿，是了解计算机图形学前沿和未来方向的非常难得的机会。

课程介绍

首先，刘利刚老师对来自所有参与课程的老师和同学们表示了热烈的欢迎。接着，刘利刚老师为大家简要说明了课程旨在介绍计算机图形学研究前沿进展，并提供一个交流、讨论和合作的平台。然后，刘老师继续向大家介绍主要的课程内容、授课的老师们、课程安排。

课程1

来自微软亚洲研究院的刘洋老师为本日课程的召集人。他首先给了题为《基于AIGC的三维建模：概论》的课程，简要地介绍了三维建模的定义并通过视频展示了其在渲染、游戏、AR/VR/XR、设计、仿真和制造等诸多领域的应用。

接着，刘洋老师从三维建模的常见方式、什么是好的三维建模以及三维建模的数据，这三个方面对三维建模作了详细的介绍。

最后刘洋老师总结了三维建模的发展趋势并介绍了接下来的课程内容。

课程2

来自北京大学的王鹏帅老师给了题为《Introducton to Generative Models》的课程。

首先，王鹏帅老师用图像分类的问题对神经网络的基本原理进行简要介绍，在数学层面是一个比较复杂的复合函数。

然后，王鹏帅老师介绍了四种神经网络模型：变分自编码网络、对抗网络、扩散网络、自回归网络，其中对于比较热门的扩散模型作了详细介绍。

课程3

来自中科院计算所的高林老师给了题为《三维表达与编码》的课程。首先高林老师介绍了相关背景，回顾了AIGC关键技术与应用以及几何表示的发展历程。

然后，高林老师介绍了如网格、点云等常见的几何表示方式。从传统几何表示的局限性引出神经网络的几何表达，着重介绍NeRF和3DGS这两几何表达的基本原理和应用，指出两者的优劣，NeRF相比于3DGS更加精确，3DGS相对于NeRF更加高效。

课程4

王鹏帅老师给了题为《基于原生三维的生成模型》的课程。王鹏帅老师就变分自编码网络、对抗网络、扩散网络、自回归网络这四中模型各自介绍代表性的成果，对这些成果进行一些思路和研究方向的梳理。

课程5

来自太极图形的刘天添老师给了题为《基于二维先验的三维模型》的课程。

首先刘天添老师通过对比原生三维方法和二维升维方法，来阐述二维升维的基本框架和原理。指出二维升维方法背后思想是复用二维方法到三维模型，然后引出了要解决一个可以连接不同维度的网络的适配器来连接梯度回传的问题。同时介绍了相关的工作。

课程6

来自微软亚洲研究院的潘浩研究员给了题为《过程式建模和神经-符号方法》的课程。首先潘浩老师回顾了一些成熟的几何建模方式，比如参数化建模和过程是建模，将这两种方法传统方法和神经网络建模进行对比，指出了神经符号方法是结合两家所长而形成的方法。然后根据神经符号方法的表示和计算，可以将其分为强形式和弱形式，指出两种形式的特点。最后从新的研究工作PolyGen谈到对神经符号方法未来的展望。

课程7

高林老师给了题为《交互式三维生成与编辑》的课程。高林老师主要着眼于NeRF和3DGS这两种方法，着重剖分可控编辑与交互这个方面，指出相关难点和相应的研究成果。

课程总结与讨论

最后，刘洋、高林、王鹏帅、潘浩、刘天添五位老师对今天的课程做了总结，然后就AIGC得可控性、可用性和三维数据等方面进行热烈的讨论并与听众进行了互动交流。

报告人简介

刘洋, 微软亚洲研究院

微软亚洲研究院网络图形组首席研究员。现任ACM TOG, IEEE CG&A 编委、AsiaGraphics 执委、SMI指导委员会委员，曾任IEEE TVCG编委, GMP2019和 SMI2021程序委员会主席、 SM2022 大会主席、 CAGD，C&G, IEEE multimedia 客座编委。多次担任国内外图形学会议的程序委员，如Siggraph Asia, SGP, PG, GMP, CAD/Graphics, CVM，ChinaGraph, CAD&CG。研究兴趣包括几何计算与处理、网格生成、三维生成等。

王鹏帅, 北京大学

北京大学助理教授。2013年和2018年分别于清华大学获得本科学位和博士学位。研究方向为计算机图形学、几何处理和三维深度学习。在学术会议SIGGRAPH、CVPR等上发表多篇论文，其中基于八叉树的三维卷积的论文在2017年至2023年所有发表在SIGGRAPH和 ACM TOG的论文中引用量排名前5。担任著名图形学期刊Computers & Graphics的副主编、著名图形学国际会议的会议程序委员，如SIGGRAPH Asia 2024、Eurographics 2024、CVM 2023/2024等。于2022年至2024年连续获得AMiner评选的AI 2000 最有影响力的学者称号，并于2023年获得亚洲图形学学会 (Asiagraphics) 青年学者奖。

高林，中科院计算所

中科院计算所研究员，博士生导师，国科大岗位教授，研究方向为计算机图形学，三维计算机视觉。在SIGGRAPH、TPAMI、TVCG等期刊会议发表论文100余篇，研发的人脸AIGC的APP被全球180余个国家或者地区的用户所使用。现任或者曾任SGP 2023 大会联合主席，China3DV2023程序委员会联合主席，SIGGRAPH 2023-2024程序委员会委员，IEEE TVCG编委，Neurips 2024领域主席，CSIG智能图形专委秘书长，入选国家自然科学基金委优青，北京市杰青，英国皇家学会牛顿高级学者，曾获得亚洲图形学会青年学者奖，吴文俊人工智能优秀青年奖，CCF技术发明一等奖，CCF CAD&CG 开源软件奖等奖励。

潘浩, 微软亚洲研究院

微软亚洲研究院网络图形组高级研究员。现任和曾任知名图形学期刊副主编、会议程序委员(CGF, EG, PG, GMP, CAD&CG等)。研究方向为：几何处理和建模，几何深度学习，神经-符号方法的CAD建模等。研究成果发表在图形学、计算机视觉、深度学习的顶级期刊和会议，如Siggraph, ACM TOG, IEEE TVCG, CVPR, NeurIPS等。其中CAD建模工作曾获得Siggraph 2022 最佳论文提名。

刘天添, 太极图形

太极图形首席研究科学家,于宾夕法尼亚大学大学获取博士学位并曾任职微软亚洲研究院网络图形组副研究员。刘天添博士于2021年加入太极图形，负责管理公司研发小组，参与太极编程语言新特性的研发，主导了 MeshTaichi，DiffTaichi 2.0 等工作，目前负责公司的 3D AIGC 项目 meshy.ai 的开发。他的研究兴趣主要是实时物理仿真与几何处理、高性能数值方法、高性能编程、可微编程等，其相关工作多发表于计算机图形学期刊中，其中被顶级期刊 ACM Transactions on Graphics 收录十余篇。

明日预告