CCF走进高校——厦门大学

本次报告由三位知名学者汇报,他们的报告分别是:
1)浙江大学,陈为教授:可视化与人工智能的融合;
2)清华大学,刘永进教授:非真实感绘制中的图像风格化;
3)中国科学技术大学,刘利刚教授:生活中的计算机图形学技术。

1 报告一

汇报人: 陈为
报告题目: 可视化与人工智能的融合
汇报人简介: 浙江大学教授,博导,计算机学院副院长,CAD&CG国家重点实验室副主任,入选中组部万人计划(创新领军),国家优秀青年基金获得者,十三五国家重点研发专项“云计算与大数据”专家组成员,中国计算机学会CAD&CG专委会秘书长,中国图像图形学学会可视化专委会副主任。出版著作5部,担任5个国际SCI期刊编委和副主编、多个国际重要学术会议主席。获省部级科技奖1等奖1次,2等奖2次。

可视化可以帮助解释人工智能,即VIS for AI,如图1。可视化与人工智能融合的核心点是,通过可视化手段将原本不可解释的人工智能,例如深度学习所训练的神经网络形如一个黑盒——“知其然而不知其所以然”,来达到部分可解释的目标。这即为可解释性人工智能的含义。可解释性人工智能理念旨在原架构中加入可解释性模型与人机交互的步骤,使得人们可以理解人工智能算法得出的结论背后的具体原因,进而可以真正地信任人工智能的选择。

图1 VIS for AI

除此外,人工智能亦能帮助可视化领域,即AI for VIS,如图2。通过一些人工智能的方法让机器去阅读可视化的结果,以帮助我们更好地理解图形的语义。或者通过人工智能一键生成某具体任务的可视化分析结果,将原本的人工设计阶段交于人工智能完成,这极大地提升了工作效率。

图2 AI for VIS

最后,陈老师展望了可视化与人工智能融合未来的发展方向,如图3。其中可视化的自动生成,即输入数据后直接生成可视化结果,是当前许多知名互联网公司的热门研究方向。

图3 发展方向展望

2 报告二

汇报人: 刘永进
报告题目: 非真实感绘制中的图像风格化
汇报人简介: 清华大学计算机系教授,人机交互与媒体集成研究所所长。1994年免试保送天津大学,1998年获学士学位,同年以全年级第一名的成绩获教育部推荐至香港科技大学攻读博士学位,并于1998-2006年期间获得硕士学位、博士学位及完成了博士后研究。2006年1月到清华大学计算机系任教至今。主要研究方向为计算几何与图形学、认知计算以及智能媒体信息处理。

刘老师首先给出了他对计算机图形学的个人理解,如图4:图形学是一门研究将真实物理世界在计算机中进行图形化再现的学科,具体又可分为真实感绘制与非真实感绘制。

图4 计算机图形学定义

非真实感绘制主要有两方面用途:1)用于表达抽象概念以达到真实感绘制无法达到的条件。如图5中,医学教科书中使用非真实感绘制以用于概念展示。2)与艺术交叉融合,生成具有艺术感的作品。

图5 非真实感绘制

至此,刘老师引出了本次汇报的主题——图像风格化,包括了卡通风格化与人物肖像风格化。卡通风格化主要依靠于生成对抗网络技术,如图6。

图6 卡通风格化技术原理

人物肖像风格化的亮点是,除真实还原图片细节外,通过自学习达到某种艺术风格。

图7 人物肖像风格化

3 报告三

汇报人: 刘利刚
报告题目: 生活中的计算机图形学技术
汇报人简介: 中国科学技术大学教授。于2001年在浙江大学获得应用数学博士学位,曾于微软亚洲研究院、浙江大学、美国哈佛大学工作或访问。从事计算机图形学与虚拟现实研究,已在该领域顶级(TOP)期刊ACM Transactions on Graphics上发表论文三十篇。曾获得陆增镛CAD&CG高科技奖一等奖(2010)、国家自然科学奖二等奖(2013)等奖项,获中国科学院“百人计划”,国家自然科学基金“优秀青年”资助。曾任国际会议GMP 2017大会共同主席,SPM 2014, SGP 2015, CVM 2016, CAD/Graphics 2017, GMP 2018, SIAM GD 2019, Chinagraph 2020, ChinaVR 2020论文共同主席。现任国际学术期刊IEEE TVCG, IEEE CG&A, CGF, CAGD, C&G编委。

如图8,计算机图形学中表达与表现三维数字对象由三个步骤组成,第一步是建模,用于构建物体的形态;第二步是仿真,用于表达物体的一些运动性质;第三步是渲染,同于将三维数字对象加以呈现。该技术主要应用于工业制造领域,如图9。

图8 三维数字对象的表达步骤
图9 工业制造领域上的应用

生活中图形学技术有许多有趣的应用,刘老师分别举了孔明锁、多组合家具与空间伸展结构的例子加以说明。除此外,刘老师还介绍了人体图像瘦身技术,如图10。传统方法是使用PS,但存在着人体比例失真的问题。人体图像瘦身技术将3D模型拟合图像中的人体,通过3D人体的语义形变来驱动图像中人体的形变的方式解决上述问题,达到更好的处理效果,如图11。

图10 人体图像瘦身
图11 人体图像瘦身技术原理
123