智慧圖形計算前沿進展與應用講習班11月17日杭州舉辦
智慧圖形計算是計算機圖形學與人工智慧深度融合的研究方向。近年來，隨著輸入輸出裝置和計算平臺的演變，計算機圖形學技術的應用擴充套件到移動網際網路、商業/社會資料分析和智慧製造等新領域，呈現出普適化和智慧化的發展趨勢。同時，機器學習方向湧現出的以深度學習為代表的突破性進展，為視覺資訊的處理和計算提供了新的途徑。人工智慧技術逐步融入到計算機圖形學建模、模擬和繪製等各個領域，推動了三維圖形計算技術的發展。
第8期CSIG影象圖形學科前沿講習班（Advanced Lectures on Image and Graphics，簡稱IGAL）於2018年11月17日-18日在杭州舉辦，本期講習班的主題為“智慧圖形計算前沿進展與應用”，由浙江大學周昆教授任學術主任，邀請智慧圖形計算及相關領域的知名專家作報告，使學員在瞭解學科前沿，提高學術水平的同時，增強與國內外頂尖學者的學術交流。
時間地點
2018年11月17日-18日
浙江大學紫金港校區蒙民偉樓225報告廳
學術主任
周昆
浙江大學計算機輔助設計與圖形學國家重點實驗室主任
周昆，教育部長江學者特聘教授，國家傑出青年科學基金獲得者，國際電氣電子工程師協會會士（IEEE Fellow），現任浙江大學計算機輔助設計與圖形學國家重點實驗室主任。2002年獲浙江大學工學博士學位，2002至2008年就職於微軟亞洲研究院，2008年回到浙江大學工作。研究領域包括計算機圖形學、人機互動、虛擬現實和平行計算。近年來在ACM/IEEE彙刊上發表論文80餘篇，獲得發明專利40餘項。現（曾）擔任《IEEE TVCG》、《ACM TOG》、《The Visual Computer》、《Frontiers of ComputerScience》、《中國科學: 資訊科學》、《計算機研究與發展》等期刊編委，擔任《IEEE Spectrum》編輯顧問委員會委員，擔任中國圖象圖形學學會智慧圖形專委會主任和中國人工智慧學會智慧互動專委會副主任。曾獲得2010年中國計算機圖形學傑出獎、2011年中國青年科技獎、2011年麻省理工學院《技術評論》全球傑出青年創新獎 (MIT TR35 Award)、2013年國家自然科學二等獎、2016年陳嘉庚青年科學獎、2017年浙江省自然科學一等獎。
特邀嘉賓
劉洋
微軟亞洲研究院 主管研究員
報告題目：從想象到現實：從草圖出發構建三維自由曲面
摘要：設計者通常在紙面上勾勒二維線條或在三維空間繪製稀疏的三維線框以快速描繪想象中的三維形體，但如何將想象中的三維形體的曲面構造出來一直是個未解決的問題。此次報告將展示通過繪製稀疏二維或三維草圖來創造三維自由曲面的技術。該技術將表達物體形狀的草圖形式和期望曲面的曲率流向及特徵方向相關，由此為基礎設計了數值上高效魯棒的計算方法以構建符合使用者設計意圖的三維曲面。
Charlie Wang
香港中文大學 教授
報告題目：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
香港中文大學 教授
報告題目：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.
王銳
浙江大學CAD&CG國家重點實驗室教授，博士生導師
報告題目：光場傳輸的稀疏性分析與自優化繪製計算框架
摘要：長久以來繪製研究的一個核心問題是如何加速繪製計算的過程。本報告將會介紹報告人近幾年在真實感繪製與實時繪製領域取得的一系列科研成果。首先介紹針對繪製計算中光場傳輸訊號的稀疏性進行分析的工作，利用稀疏性可以大大加速真實感繪製中的光線取樣與重構計算，從而提升真實感繪製的速度；其次介紹報告人針對實時繪製提出的自優化（auto-tuning）的繪製流水線優化框架，利用該框架可以自動地實現對繪製過程的優化，並介紹基於該框架開展的多項優化工作，包括著色器（shader）簡化、能耗優化等等。
劉世霞
清華大學軟體學院 長聘副教授
報告題目：互動式機器學習模型分析
摘要：可解釋的機器學習旨在使機器學習模型的決策過程對研究人員和從業人員更加透明，從而實現人機的有效溝通和協作。本報告將介紹我們提出的機器學習模型可視分析框架。該框架跳出傳統可視分析“先分析再視覺化”的單一方向分析機制，將機器學習方法和互動視覺化方法有機地結合在一起，從而更好地幫助使用者理解複雜模型及其輸出結果，分析、診斷並不斷完善機器學習模型。為使用者選擇、利用及改進機器學習模型提供技術依據。最後，結合具體的應用例項，如整合學習模型和深度學習模型分析等，介紹我們基於該框架研製開發的可視分析技術。
廖菁
香港城市大學計算機科學系 助理教授
報告題目：基於深度學習的藝術風格化研究
摘要：運用人工智慧（AI）進行藝術創作一直是極具挑戰的研究領域。近年來深度學習的技術極大地加速了這些領域的發展，如微軟小冰作詩，谷歌大腦音樂創作，Prisma藝術風格化濾鏡等。本次講座我們將討論如何將傳統的視覺圖形學研究和深度學習技術有機地融合，從而有效地進行圖片和視訊的藝術風格化，使得普通的生活照片變身為大師級繪畫或攝影作品。
講座嘉賓將介紹其近兩年基於深度神經網路學習風格遷移（style transfer）的一系列科研成果。首先介紹如何設計深度神經網路學習語義資訊和藝術風格，然後將其藝術風格根據語義應用到新的照片，視訊，VR/AR中; 其次介紹一些相關的擴充套件應用包括照片顏色轉換（比如白天變黑夜、夏季變冬季），人像化妝遷移，黑白照片上色等。
徐楓
清華大學軟體學院 特別研究員
報告題目：從人到場景的動態三維重建
摘要：在計算機視覺中，實時準確的獲取人和場景的各種運動資訊，將成為未來自然人機互動的技術基礎；與此同時，在計算機圖形學中，高精度的重建運動，對於電影、遊戲中的特效生成與製作具有重要意義。本報告首先圍繞人體動態重建問題介紹若干最新的研究工作，包括利用不同的硬體裝置，針對高精度、便捷性和實時性三大目標，對人體的不同部分（包括面部，肢體，目光）進行運動重建。之後，針對360度場景的動態重建技術，介紹課題組的最新研究成果。
程明明
南開大學計算機學院 教授
報告題目：智慧媒體計算-當圖形學遇上視覺
摘要：傳統圖形學技術關注從三維模型到真實感影象的繪製過程以及人與計算機的互動過程。傳統計算機視覺技術關注從真實影象中獲取物體的三維結構、語義標籤等資訊。近年來，隨著網際網路影象大資料、深度學習、以及新的採集裝置的興起，計算機圖形學和計算機視覺逐漸走向交融。這個報告將通過兩個領域共同關注的話題為導引，探討圖形學和計算機視覺的融合與相互促進過程中所產生的機遇和挑戰。
報名及註冊費用
- 本期講習班限報150人，根據繳費先後順序錄取，報滿為止。
- 2018年11月16日（含）前註冊並繳費：CSIG會員1600元/人，非會員報名同時加入CSIG 2000元/人（含1年會員費）；現場繳費：會員、非會員均為3000元/人；CSIG團體會員參加，按CSIG會員標準繳費；同一單位組團（5人及以上）報名，均按CSIG會員標準繳費。
- 註冊費包括講課資料和2天會議期間午餐，其它食宿、交通自理。
- 即日起至2018年11月16日，報名者請電話諮詢學會祕書處或新增微信諮詢確認繳費事宜。