【预告】『智能图形计算前沿进展与应用』讲习班开始报名

2018 年 11 月 6 日 专知

智能图形计算是计算机图形学与人工智能深度融合的研究方向。近年来，随着输入输出设备和计算平台的演变，计算机图形学技术的应用扩展到移动互联网、商业/社会数据分析和智能制造等新领域，呈现出普适化和智能化的发展趋势。同时，机器学习方向涌现出的以深度学习为代表的突破性进展，为视觉信息的处理和计算提供了新的途径。人工智能技术逐步融入到计算机图形学建模、仿真和绘制等各个领域，推动了三维图形计算技术的发展。

第8期CSIG图像图形学科前沿讲习班（Advanced Lectures on Image and Graphics，简称IGAL）于2018年11月17日-18日在杭州举办，本期讲习班的主题为“智能图形计算前沿进展与应用”，由浙江大学周昆教授任学术主任，邀请智能图形计算及相关领域的知名专家作报告，使学员在了解学科前沿，提高学术水平的同时，增强与国内外顶尖学者的学术交流。

时间地点

2018年11月17日-18日

浙江大学紫金港校区蒙民伟楼225报告厅

学术主任

周昆

浙江大学计算机辅助设计与图形学国家重点实验室主任

周昆，教育部长江学者特聘教授，国家杰出青年科学基金获得者，国际电气电子工程师协会会士（IEEE Fellow），现任浙江大学计算机辅助设计与图形学国家重点实验室主任。2002年获浙江大学工学博士学位，2002至2008年就职于微软亚洲研究院，2008年回到浙江大学工作。研究领域包括计算机图形学、人机交互、虚拟现实和并行计算。近年来在ACM/IEEE汇刊上发表论文80余篇，获得发明专利40余项。现（曾）担任《IEEE TVCG》、《ACM TOG》、《The Visual Computer》、《Frontiers of ComputerScience》、《中国科学: 信息科学》、《计算机研究与发展》等期刊编委，担任《IEEE Spectrum》编辑顾问委员会委员，担任中国图象图形学学会智能图形专委会主任和中国人工智能学会智能交互专委会副主任。曾获得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》全球杰出青年创新奖 (MIT TR35 Award)、2013年国家自然科学二等奖、2016年陈嘉庚青年科学奖、2017年浙江省自然科学一等奖。

特邀嘉宾

刘洋

微软亚洲研究院主管研究员

报告题目：从想象到现实：从草图出发构建三维自由曲面

摘要：设计者通常在纸面上勾勒二维线条或在三维空间绘制稀疏的三维线框以快速描绘想象中的三维形体，但如何将想象中的三维形体的曲面构造出来一直是个未解决的问题。此次报告将展示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。该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。

Charlie C.L. Wang

香港中文大学教授

报告题目：Geometric Computing for Multi-Axis Additive Manufacturing

摘要：In this talk, I will present our recent development of using multi-axis motion to conduct material accumulation along dynamically varied directions. Our development results in two approaches that mainly focus on how to avoid the additional supporting structures in a framework of volume-to-surface and then surface-to-curve decomposition. I will discuss a few future extensions of this framework so that models can be printed faster and in a more accurate way.

Tien-Tsin Wong

香港中文大学教授

报告题目：Learning for Graphics When Training Data is Scarce

摘要：Deep learning has been demonstrated to be an effective tool for solving many problems that are ambiguous in nature. It outperforms many tailormade solutions and offers stable results, in a real-time speed. It seems to be an ultimate solution for many hard problems. However, its major drawback is its high dependency on training data, because it transforms the problem from “method” to “data.” In many cases, training data is scarce or hard/impractical to obtain.

In this talk, I will talk about a few learning-for-graphics projects we have done in the past few years at CUHK. In some of these projects, we face the problem of lacking groundtruth training data. We have worked on computational manga for many years. A key problem we want to solve since the beginning is to remove the screentones that manga artists typically used to enrich the manga. Removing the screentones can significantly ease the digital migration from paper to digital platform. However, the definition of screentones by itself is ambiguous and cannot be easily defined by mathematical equations. More importantly, we do not have the unscreened manga as groundtruth, as it is prohibitively expensive to manually trace the structural lines from legacy manga. We shall describe how we overcome the problem of data scarcity. I will discuss how to extend our strategy to other applications such as sketch colorization, and also unsupervised learning framework for invertible grayscale application, in this talk.

王锐

浙江大学CAD&CG国家重点实验室教授，博士生导师

报告题目：光场传输的稀疏性分析与自优化绘制计算框架

摘要：长久以来绘制研究的一个核心问题是如何加速绘制计算的过程。本报告将会介绍报告人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。首先介绍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；其次介绍报告人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。

刘世霞

清华大学软件学院长聘副教授

报告题目：交互式机器学习模型分析

摘要：可解释的机器学习旨在使机器学习模型的决策过程对研究人员和从业人员更加透明，从而实现人机的有效沟通和协作。本报告将介绍我们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，介绍我们基于该框架研制开发的可视分析技术。

廖菁

香港城市大学计算机科学系助理教授

报告题目：基于深度学习的艺术风格化研究

摘要：运用人工智能（AI）进行艺术创作一直是极具挑战的研究领域。近年来深度学习的技术极大地加速了这些领域的发展，如微软小冰作诗，谷歌大脑音乐创作，Prisma艺术风格化滤镜等。本次讲座我们将讨论如何将传统的视觉图形学研究和深度学习技术有机地融合，从而有效地进行图片和视频的艺术风格化，使得普通的生活照片变身为大师级绘画或摄影作品。

讲座嘉宾将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。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; 其次介绍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。

徐枫

清华大学软件学院特别研究员

报告题目：从人到场景的动态三维重建

摘要：在计算机视觉中，实时准确的获取人和场景的各种运动信息，将成为未来自然人机交互的技术基础；与此同时，在计算机图形学中，高精度的重建运动，对于电影、游戏中的特效生成与制作具有重要意义。本报告首先围绕人体动态重建问题介绍若干最新的研究工作，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。之后，针对360度场景的动态重建技术，介绍课题组的最新研究成果。

程明明

南开大学计算机学院教授

报告题目：智能媒体计算-当图形学遇上视觉

摘要：传统图形学技术关注从三维模型到真实感图像的绘制过程以及人与计算机的交互过程。传统计算机视觉技术关注从真实图像中获取物体的三维结构、语义标签等信息。近年来，随着互联网图像大数据、深度学习、以及新的采集设备的兴起，计算机图形学和计算机视觉逐渐走向交融。这个报告将通过两个领域共同关注的话题为导引，探讨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。

报名及注册费用

本期讲习班限报150人，根据缴费先后顺序录取，报满为止。
2018年11月16日（含）前注册并缴费：CSIG会员1600元/人，非会员报名同时加入CSIG 2000元/人（含1年会员费）；现场缴费：会员、非会员均为3000元/人；CSIG团体会员参加，按CSIG会员标准缴费；同一单位组团（5人及以上）报名，均按CSIG会员标准缴费。
注册费包括讲课资料和2天会议期间午餐，其它食宿、交通自理。
即日起至2018年11月16日，报名者请电话咨询学会秘书处或添加微信咨询确认缴费事宜。