授课教师

• 课程题目：“计图”深度学习框架及其应用


• 授课讲者：胡事民, 清华大学
  梁盾, 清华大学


• 课程摘要：深度学习框架是现代人工智能算法开发和应用的软件基础支撑，自主可控的深度学习框架是推动中国人工智能更好发展的必然要求。计图(Jittor)是国内首个由高校研制和开源的深度学习框架。Jittor框架创新地使用了元算子融合和动态编译技术，并提出“统一计算图”的思想，使得在多种任务性能上超越国外主流平台。本报告拟介绍Jittor框架的多项创新技术和最新进展，基于Jittor框架的理论研究，包括基于Jittor构建的从点云、网格到隐式场的深度几何学习体系；并系统介绍Jittor框架的功能和使用技巧，包括安装、模型库的使用、多机多卡、内存优化、可视化工具、模型迁移等。


• 讲者1简介：胡事民, 清华大学计算机科学与技术系教授，主要研究方向为计算机图形学、虚拟现实、智能信息处理和系统软件等。在ACM TOG/SIGGRAPH、IEEE TPAMI、IEEE TVCG、IEEE TIP、CAD、 IEEE CVPR等重要刊物和国际会议上发表论文100余篇。现为中国计算机学会副理事长，国家自然科学基金委创新研究群体学术带头人，并担任Computational Visual Media主编和CAD、Computer & Graphics和中国科学等多个期刊编委。


• 讲者主页： https://cg.cs.tsinghua.edu.cn/vm/prof_hu_cn.htm


• 讲者2简介：梁盾，现为清华大学计算机系博士后， 博士毕业于清华大学计算机系计算机图形学实验室，深度学习框架“Jittor”的核心成员，研究方向为计算机图形学，深度学习，高性能计算。近年来在中国科学信息科学、CVPR、TOG等重要会议期刊上发表文章，曾获国际超算比赛冠军。


• 讲者主页： https://cg.cs.tsinghua.edu.cn/jittor

• 课程题目：深度几何学习的表示


• 授课讲者：高林, 中国科学院计算技术研究所


• 课程摘要：在本节课上，我们会首先介绍深度几何学习的背景，然后介绍各种深度几何学习的几何表示方法，包括点云、体素、网格和隐式场，以及相应的深度学习方法。针对三维物体的分割和识别，我们会介绍点云分割识别网络PointNet、VV-Net以及网格分割和识别网络LaplaceNet以及MeshCNN；针对三维模型的分析，我们会介绍三维模型对称性分析的研究工作SymmetryNet和PRS-Net; 针对三维深度生成模型，我们会介绍针对三维物体的深度生成模型3D-GAN、Adaptive O-CNN、SDM-NET以及DSG-NET等；此外，我们还会介绍最新的深度几何学习和物理仿真融合的研究工作。


• 讲者简介：高林博士，现为中国科学院计算技术研究所博士生导师/副研究员, 研究方向为智能计算机图形学、深度几何学习等。他毕业于清华大学，获得工学博士学位（导师：胡事民教授），曾在德国亚琛工业大学进行公派访问研究（合作导师：Leif Kobbelt 教授）。在ACM SIGGRAPH\TOG、IEEE TVCG、IEEE CVPR，ICCV等国际知名期刊会议上发表论文40余篇。他曾获得亚洲图形学青年学者奖（Asia Graphics Young Researcher Award）、中国计算机学会科学技术奖技术发明一等奖、CCF-腾讯犀牛鸟基金卓越奖等，并入选英国皇家学会牛顿高级学者。


• 讲者主页： http://www.geometrylearning.com/cn/

• 课程题目：Rule-based Procedural Modeling for Creating Large-scale Virtual Worlds


• 授课讲者：郭建伟, 中国科学院自动化研究所


• 课程摘要：过程式建模（Procedural modeling）是利用计算机自动生成数字内容的强有力工具，被广泛应用于城市建筑、树木植被、道路网、地形以及其他复杂场景对象的三维建模领域。过程模型有着强大的表达能力和良好的扩展性，其明显的优势在于建模效率和模型增强，只依赖少数的语法规则和少量参数，即可快速生成一组相似的几何模型变体。本报告将介绍过程建模的基本概念、经典方法和建模过程中的生成控制，并重点讲解城市场景建模和树木植被建模方面的前沿工作。最后介绍逆向过程建模，即如何从真实采集的数据中自动提取语法规则，以对几何形状进行过程式表示，并汇报我们课题组在这一方面的工作进展情况。


• 讲者简介：郭建伟，中科院自动化所模式识别国家重点实验室副研究员，硕士生导师。2016年博士毕业于中科院自动化所。主要研究方向为计算机图形学和3D视觉，包括三维几何建模与优化、形状分析及特征表示学习等。在主流期刊或会议上发表论文40余篇，其中以第一或通讯作者发表在国际期刊ACM TOG、IEEE TVCG、IEEE TIP、CAD及国际会议SIGGRAPH、CVPR、ECCV等论文20余篇，授权发明专利14项。获得形状建模国际会议SMI2014最佳论文提名奖、中国仿真学会2017年度优秀博士论文奖、中国图形学大会Chinagraph2018优秀论文奖、Computational Visual Media (CVMJ)期刊2020年度最佳论文奖等。曾担任GMP2021、IEEE CAD/Graphics 2019/2021等国内外会议的程序委员会委员。


• 讲者主页： https://jianweiguo.net

• 课程题目：Deep Learning for Rendering


• 授课讲者：过洁, 南京大学


• 课程摘要：随着深度学习的火热发展，各类视觉任务的性能得到了大幅度的提升。在渲染领域，深度学习技术的使用刚刚起步，但是发展迅速。本课程将结合讲者近几年在基于深度学习的渲染方面的研究成果，讲述深度学习对渲染技术带来的多方面的帮助，并展望未来在基于深度学习的渲染方面的可能的研究方向。


• 讲者简介：过洁, 南京大学计算机科学与技术系特任副研究员，目前主要研究方向为真实感绘制、实时绘制、复杂材质分析建模以及虚拟现实技术等。2013年毕业于南京大学，获得博士学位。2012-2013年在微软亚洲研究院网络图形组实习。发表学术论文40余篇，包括计算机图形学领域顶级会议/期刊ACM SIGGRAPH/SIGGRAPH ASIA、IEEE TVCG，视觉领域顶级会议CVPR、ECCV 等。


• 讲者主页： http://118.25.137.210

• 课程题目：三维场景实时重建和在线语义分割


• 授课讲者：黄石生, 北京师范大学


• 课程摘要：三维场景的几何重建和语义理解是计算机图形学、计算机视觉和智能机器人等领域非常重要的研究课题.近年来,随着深度几何学习的飞速发展,三维场景的语义理解(场景分类,语义或实例级别分割等)取得了长足进步.但是基于深度学习的三维场景的几何重建进展还不多,此外,三维场景的在线语义分割等问题仍然没有得到有效解决. 为此,本课程将首先介绍实时三维重建和在线语义分割领域的基础知识,回顾和介绍该领域经典方法,并讲解基于深度几何表征的三维场景实时重建方法,介绍完全依靠深度几何表征进行实时地相机位姿估计和场景更新的当前SOTA的三维场景几何重建方法.此外,本课程还将介绍基于超体素卷积的三维场景在线语义分割方法,该方法首次在2D-3D联合学习层面取得当前SOTA的在线语义分割效果.


• 讲者简介：黄石生,现为北京师范大学人工智能学院讲师, 博士毕业于清华大学计算机系计算机图形学实验室,之后入清华大学计算机系博士后流动站从事博士后研究工作,研究方向为计算机图形学,近年来在几何形状分析、实时三维重建、视觉SLAM等方向上发表多篇论文,包括ACM SIGGRAPH、IEEE TVCG、IEEE CVPR、IEEE ICRA等计算机图形学、计算机视觉或者智能机器人等重要会议或者期刊.


• 讲者主页： https://cg.cs.tsinghua.edu.cn/people/~shisheng

• 课程题目：物理和数据驱动的计算机角色动画


• 授课讲者：刘利斌, 北京大学


• 课程摘要：本课程将简述计算机角色动画的基本知识和该领域近年来的主要进展，并着重介绍基于数据的运动生成、迁移和风格化方法；基于物理仿真和运动控制的运动生成技术；以及二者相结合的方法。我们将讨论生成模型、优化、强化学习等方法在角色动画中的作用，以及这些方法的局限性和未来可能的研究方向。


• 讲者简介：刘利斌，北京大学前沿计算研究中心助理教授。2014年博士毕业于清华大学，2015年至2017年分别于加拿大不列颠哥伦比亚大学以及美国迪士尼研究院从事博士后研究，2017年至2020年在美国创业公司DeepMotion Inc.任首席科学家。主要研究方向为计算机角色动画、基于物理的运动仿真、运动控制以及增强学习等。曾发表SIGGRAPH/TOG论文多篇，并曾多次担任SIGGRAPH、Eurographics、Pacific Graphics、SCA等图形学领域重要学术会议的论文/短文程序委员。


• 讲者主页： http://cfcs.pku.edu.cn/libinliu

• 课程题目：双层优化建模、计算与应用


• 授课讲者：刘日升, 大连理工大学


• 课程摘要：近年来，深度学习领域飞速发展，取得了大量革命性进展，特别是超参优化、多任务学习、元学习、神经结构搜索、生成对抗学习、深度强化学习等新型学习范式和学习方法层出不穷。本次课程将从分层优化的观点出发，探索经典机器学习范式与近年来大量涌现的各种新型学习方法之间的内在联系，并在统一的双层优化框架下深入理解和分析当前主流学习方法的理论模型、计算策略及在多个领域中的应用。


• 讲者简介：刘日升，大连理工大学几何计算与智能媒体技术研究所教授，博导，所长。大连理工大学计算数学博士，CMU机器人研究所联合培养博士，香港理工大学计算科学系博士后（香江学者）。主要研究方向为机器学习、计算机视觉、优化方法等，在TPAMI、TIP、ICML、NeurIPS、CVPR、ICCV、ECCV等CCF推荐期刊和会议发表论文110余篇，引用4700余次。获得教育部自然科学二等奖1项，辽宁省自然科学二等奖1项，6篇论文获得国际权威学术会议（ICME等）最佳论文类奖项，1篇论文入选IEEE智能计算亮点论文。主持基金委优青项目，入选辽宁省青年拔尖人才、百千万人才工程等。


• 讲者主页： http://dutmedia.org/rsliu

• 课程题目：高性能可视流体计算及其应用


• 授课讲者：刘晓培, 上海科技大学


• 课程摘要：在复杂环境中高效准确地进行高分辨率流体模拟在众多实际应用中都有需求，例如飞行器与汽车的空气动力几何外形设计以及电影和游戏特效的制作等。但长期以来，这一直是个具有挑战的问题。在本次课程中，我将介绍流体模拟的基础知识及回顾该技术在计算机图形学与计算流体力学领域的一系列进展。同时，我也将介绍我们团队在过去多年通过研发基于变分的统计动力学模型，推进在强湍流和复杂几何物体存在的情况下的高性能流体模拟计算技术方面所做出的一系列努力。另外，我也将简要讲解流体数据的渲染和可视化技术。最后，我将展示我们的高分辨率高性能流体模拟的各种验证结果及在不同领域中的应用。


• 讲者简介：刘晓培博士目前是上海科技大学信息科学与技术学院视觉与数据智能研究中心的助理教授及中国科学院的研究员。他于香港中文大学获得计算机科学与工程的博士学位，并在新加坡南洋理工大学从事博士后研究，期间他与南洋理工大学航空与力学工程学院及高等研究所紧密合作从事交叉科学研究。他目前主要从事与高性能流体模拟计算相关的基础问题以及可视化渲染的研究，并应用于计算机图形学、计算设计与制造、虚拟现实、医疗诊断以及虚拟机器人训练等。他的论文发表在多个学科的重要期刊及会议上，如ACM TOG、ACM SIGGRAPH/SIGGRAPH Asia、IEEE TVCG、APS PRD、AIP POF等。


• 讲者主页： http://faculty.sist.shanghaitech.edu.cn/faculty/liuxp

• 课程题目：三维视觉：过去、现在与未来


• 授课讲者：刘烨斌, 清华大学


• 课程摘要：计算机视觉是使用计算机及相关设备对生物视觉的一种模拟，是人工智能领域的一个重要部分，其研究目标是使计算机具有感知和理解现实三维视觉世界的能力。现有计算机视觉研究主要分为二维视觉和三维视觉两大研究模块，两者相对分离。本报告将重点阐释三维视觉是实现视觉智能的必然手段，通过回顾三维视觉的发展历史，结合报告人在三维视觉的前沿研究成果，分析计算机视觉研究从二维视觉到三维视觉的发展趋势以及其技术融合的必然性，展示若干潜在的创新用户体验，推演未来三维视觉的前沿研究方向。


• 讲者简介：刘烨斌，清华大学长聘副教授。分别于2002年和2009年在北京邮电大学、清华大学自动化系获得工学学士和工学博士学位。主要研究方向为三维视觉。发表PAMI/ SIGGRAPH/CVPR/ICCV等论文近50篇，其中CVPR/ICCV口头报告论文9篇。担任CVPR 2021及ICCV 2021 Area Chair，SIGGRAPH Asia 2019, SIGGRAPH Asia 2020 Committee Member。任中国图象图形学会三维视觉专委会副主任，人工智能学会人机融合智能专委会副秘书长。获2012年国家技术发明一等奖（排名3），2013年度清华大学学术新人奖，2015年国家自然科学基金优秀青年基金，2019年中国电子学会技术发明一等奖（排名1）。


• 讲者主页： http://www.liuyebin.com

• 课程题目：点云智能处理与重建


• 授课讲者：刘玉身, 清华大学


• 课程摘要：点云智能处理是计算机图形学、三维计算机视觉领域中的研究热点，本报告主要介绍近两年三维点云智能处理与重建的相关技术，包括：1、数据驱动的三维点云特征表示学习、分割、形状补全方法，为下游分类、识别、重建等应用提供数据增强，重点介绍三个最新工作：无监督点云特征表示学习方法MAP-VAE (ICCV 2019)，基于跃迁式注意力的点云形状补全方法SA-Net (CVPR 2020)，基于多步循环形变的点云形状补全方法PMP-Net (CVPR2021)，以及无配对情况下的点云形状补全方法Cycle4Completion (CVPR 2021)。2、三维点云的隐式重建，实现高质量的三维模型生成，详细介绍一种三维点云的隐式重建方法 NeuralPull (ICML 2021)。3、此外，还会介绍一个最新提出的细粒度(Fine-grained)三维模型分类数据集FG3D及相应的算法FG3D-Net (TIP 2021)。


• 讲者简介：刘玉身，清华大学软件学院副教授，博士生导师。主要研究方向为三维计算机视觉、点云智能处理、三维重建、建筑信息模型(BIM)。主持多项国家自然科学基金及国家重点研发计划课题，参编国家标准3项。作为第一或通讯作者，近年来在TIP、TPAMI、CVPR、ICCV、NeurIPS、ICML、ACM MM、AAAI、IJCAI等CCF A类期刊和会议发表论文20多篇。担任IJCAI、AAAI、ACM Multimedia、ICLR等多个国际会议SPC/PC、以及多个国际期刊编委和Guest Editor。获得Advanced Engineering Informatics (CCF B类)高被引研究奖、第16届土木与建筑工程计算国际会议(ICCCBE2016)最佳学生报告奖等，CAD/Graphics 2005最佳学生论文奖。


• 讲者主页： http://cgcad.thss.tsinghua.edu.cn/liuyushen

• 课程题目：使用拉格朗日粒子方法的图形学多流体模拟


• 授课讲者：任博, 南开大学


• 课程摘要：本课程将首先讲述图形学流体模拟中常用的粒子模拟方法的基础知识。包括SPH、PBF等基本方法，及相关衍生算法的原理、实现和效果，将涵盖粒子方法的边界处理、不可压缩性处理等话题。进一步地，将讲述使用体积组分表述的多流体混合流模型与相场模型使用粒子方法的实现，介绍近年来粒子方法在图形学多流体模拟任务中的应用与最新进展，并探讨其未来可能的研究方向。


• 讲者简介：任博于2015年于清华大学计算机科学与技术系获得工学博士学位。2015年7月至今于南开大学计算机系任教。主要研究领域为计算机图形学，计算机视觉，人工智能。近期研究方向包括基于机器学习/基于物理的流体模拟，三维场景重建等。任教以来指导学生在国际顶级会议期刊（中科院一区，CCF A类）SIGGRAPH，TVCG等发表文章多篇。于2018年入选中国图学会青年托举计划。多次在国内图形学界会议（如GAMES，CAS/CG等）上应邀进行或主持专题报告。参与ACM SIGGRAPH，JCST，CVM，CASA等会议、期刊的审稿，并担任Pacific Graphics会议的分会场主席， CVM，CASA论文委员会成员等。


• 讲者主页： http://ren-bo.net

• 课程题目：大规模城市场景三维重建


• 授课讲者：申抒含, 中国科学院自动化研究所


• 课程摘要：自上世纪70年代计算机视觉成为一门独立的学科以来，在40多年的研究中，图像的三维表达，即从二维图像恢复场景三维信息始终是计算机视觉研究中的一个经典和基础问题。近年来，随着图像采集设备的不断进步，使用无人机、街景车、全景相机、手机等设备可以方便的获取海量高分辨率图像数据，如何通过这些图像数据构建我们身边的三维世界日益成为许多领域的迫切需求。本课程将介绍基于图像的城市场景三维重建的基本框架、主要方法、最新研究进展等，包括三维几何重建、三维语义重建和三维矢量重建，以及在城市实景三维建模、无人车三维语义地图、室内建模与室内定位等领域的系统应用。


• 讲者简介：申抒含，中国科学院自动化研究所模式识别国家重点实验室研究员，中国科学院大学人工智能学院岗位教授。2010年于上海交通大学自动化系获博士学位，研究领域为三维计算机视觉理论与应用，包括基于图像的大规模场景三维重建、智能机器人三维环境感知、场景三维语义建模等。在IJCV、IEEE TIP、IEEE TCSVT、ISPRS JPRS、Pattern Recognition、CVPR、ECCV、ICRA等国际期刊和会议发表论文60余篇。作为课题负责人主持和参与国家自然科学基金、973、863、中科院先导专项、以及华为、商汤、滴滴等企业课题十余项。入选中科院青促会会员、中科院自动化所特聘青年骨干,曾获2016年ACM北京新星奖、2018年中国图象图形学会科学技术二等奖。


• 讲者主页： http://vision.ia.ac.cn/Faculty/shshen

• 课程题目：太极编程语言与可微物理模拟


• 授课讲者：匡冶, 太极图形（北京太琦图形科技有限公司）
  刘剑成, 太极图形（北京太琦图形科技有限公司）


• 课程摘要： Part I (60min 太极编程语言，主讲人：匡冶) 1. 概览 2. 数据模型：介绍taichi中支持的数据类型以及层次化的数据结构 3. 计算模型：介绍编写taichi程序时的一些基本概念，如kernel, func, 自动并行化、面向数据编程(ODOP)等 4. 高级技巧：元编程与可微编程等 Part II (30min 可微物理模拟，主讲人：刘剑成) 1. 概览 2. 可微物理仿真与编程系统 3. 用太极编写简单的可微物理仿真程序 4. 可微物理仿真的前沿应用


• 讲者1简介：匡冶是太极图形联合创始人兼CTO，前Google软件工程师。匡冶拥有哈佛大学计算机科学硕士学位、清华大学学士学位，现在太极图形负责基础设施（Infra）研发。


• 讲者2简介：刘剑成是太极图形研发工程师，获得过NOI金牌，本科毕业于清华大学姚班，在ICRA等国际顶级会议、期刊发表多篇论文。


• 讲者主页： https://taichi.graphics

• 课程题目：虚拟现实运动感知与自然交互


• 授课讲者：汪淼, 北京航空航天大学


• 课程摘要：虚拟现实具有沉浸感、交互性、构想性三大基本特征。基于虚拟现实技术，用户可身临其境地感知与现实环境截然不同的虚拟世界，并与之进行自然交互。如何使用户在虚拟环境中的运动感知与现实世界一致，并提升用户在虚拟环境中交互的自然性和智能性，是支撑虚拟现实复杂应用的重要基础，也是虚拟现实领域的研究热点。本课程将介绍虚拟现实感知与交互的基础知识，回顾国内外相关工作，以虚拟行走与漫游、虚拟对象交互、远程协同等技术为例展开讨论前沿研究，并探讨未来发展趋势。


• 讲者简介：汪淼，博士，北京航空航天大学虚拟现实技术与系统国家重点实验室助理研究员，硕士生导师。主要研究方向为虚拟/增强现实、计算机图形学与可视媒体计算。2016年博士毕业于清华大学计算机系，师从胡事民教授。2013年至2014年，在英国卡迪夫大学公派联合培养。2016年至2018年在清华大学进行博士后研究。在ACM TOG, IEEE TVCG, IEEE TIP等国际期刊和SIGGRAPH Asia, IEEE VR, ISMAR等国际会议上发表和录用论文20余篇，获得国家发明专利授权6项。曾主持博士后面上基金，国家自然科学基金青年项目，参与创新研究群体项目、重点项目等。现担任中国仿真学会虚拟技术及应用专委会副主任委员，中国计算机学会虚拟现实与可视化技术专委会委员。曾担任IEEE ISMAR 2019 组委会成员，IEEE VR 2021, IEEE ISMAR 2020/2021, CVM 2020/2021 程序委员会委员。2018年作为主要完成人获得国家科技进步二等奖（排名第9），入选中国图学学会青年托举计划、中国科协青年人才托举工程。


• 讲者主页： http://miaowang.me

• 课程题目：Real-Time Cloth Simulation on GPUs


• 授课讲者：王华民, Style3D （凌迪科技）; 俄亥俄州立大学


• 课程摘要：本课程主要讲解实时服装模拟的最新进展，尤其是如何利用GPU进行高性能的动态与碰撞模拟。课程会首先从模拟模型出发，讨论如何使用非线性优化算法改进模拟性能。课程随后会讨论如何处理碰撞，以及在实时碰撞处理中常见的问题和处理方式。最后，课程会简单介绍一下今年SIGGRAPH的最新技术，即如何利用特殊网格构造优化方法，从而大幅提高模拟性能。


• 讲者简介：王华民，博士，凌迪科技合伙人/首席科学家，美国俄亥俄州立大学(OSU)副教授。王华民教授于2002年在浙江大学(混合班)获学士学位，2004年在斯坦福大学获硕士学位，2009年在佐治亚理工大学获博士学位，2009年至2011年在加州大学伯克利分校从事博士后研究，2011年加入俄亥俄州立大学任教，2021年加入凌迪科技。王华民教授师从图形学几何与动画知名学者Greg Turk，研究方向涉及计算机动画模拟的各个方向，包括流体，弹性体，碰撞处理等，对高性能、实时布料模拟与测量尤为感兴趣。他在图形学顶级论坛(SIGGRAPH/SIGGRAPH Aisa/TOG)发表了近三十篇论文，其中包括作为唯一作者单独发表的三篇SIGGRAPH论文和一篇SIGGRAPH Asia论文。


• 讲者主页： http://web.cse.ohio-state.edu/~wang.3602

• 课程题目：下一代的真实感渲染：从路径跟踪到基于AI的路径跟踪


• 授课讲者：王锐, 浙江大学


• 课程摘要：本课程将回顾真实感渲染技术发展的历史，介绍从REYES框架到路径跟踪，再到下一代真实感渲染技术发展的过程与演化。通过与听众一同分享讲者近年来的研究成果，介绍下一代真实感渲染技术的特点与趋势。


• 讲者简介：王锐，浙江大学CAD&CG国家重点实验室教授，博士生导师。主要研究方向为图形渲染理论、算法与框架，在复杂光场高效采样、实时绘制架构与算法、渲染的自动优化等方面取得了一系列国际领先的科研成果。发表学术论文五十余篇，其中在SIGGRAPH、SIGGRAPH Asia（ACM TOG）上发表论文十余篇，授权专利三十余项。承担十余项国家纵向课题，并与国内多个企业开展横向合作。所研发的渲染相关技术与产品已成功应用于国内多家头部的游戏、互联网公司。


• 讲者主页： http://www.cad.zju.edu.cn/home/rwang

• 课程题目：全局光照方法：20年回顾


• 授课讲者：王贝贝，南京理工大学


• 课程摘要：在全球电影动漫产业界追求“计算机特效”的今天，电影、动漫、游戏等产业对真实感绘制的需求也越来越高。全局光照模拟了光线在场景中传播的过程，对渲染真实感具有至关重要的作用，同时也是影响渲染效率的重要因素。在本次课程中，我们将回顾近二十年来的多种全局光照方法，既包括了离线的全局光照方法，比如了蒙特卡洛方法、光子映射方法、基于点缓存的全局光照方法、虚拟光源方法等，也包括实时的全局光照方法，比如光照探针方法、预计算辐射亮度传递方法等。最后，我们将讨论目前在全局光照方向的研究热点。


• 讲者简介：王贝贝，南京理工大学，副教授，硕士生导师，中国计算机学会CAD&CG专委会委员。主要研究方向是计算机图形学渲染方向，包括了全局光照算法、参与性介质光线传递和复杂材质模型等。王贝贝分别于2009年、2014年在山东大学获得学士、博士学位，期间在巴黎高科进行两年联合培养。2015年在英国游戏公司Studio Gobo参与Disney游戏Infinity 3的研发。2015年底到2017年初，在INRIA（法国信息与自动化研究所）从事博士后研究。之后加入到南京理工大学。共发表高水平论文30余篇，其中以第一作者在ACM TOG, IEEE TVCG, CGF上发表论文十余篇。担任EGSR 2021、 HPG 2021程序委员会委员。


• 讲者主页： https://wangningbei.github.io

• 课程题目：现代游戏引擎的基础理论和架构导论


• 授课讲者：王希，不鸣科技


• 课程摘要：本课程将用两个课时，从研发角度解读现代游戏引擎的基础结构以及核心的设计理念。 本课程将介绍基础的数据方法语言，内存管理方法，模块化的智能体构建模型，真是感动画混合系统和物理模拟系统等表现层架构。 同时，课程中，也会介绍现在网络端的基本服务器架构的方法论，以及可扩展性脚本系统的实现方法。 在课程的后半段，我们将简要介绍高度并行化的面向数据的游戏引擎的设计方法，以及现代云游戏引擎的一些前沿的概念。为后续的深入学习做好引导。


• 讲者简介：王希，浙江大学学士，清华大学图形学硕士。在微软研究院学习和工作期间，发表多篇国际一流图形和建模的论文。后去美国微软旗舰游戏工作室Bungie Studio，参与了Halo和Destiny等AAA游戏核心引擎研发。 2011年，从美国回来，在网易支持下，研发中国人自己的游戏引擎Chaos Engine。并且基于该平台研发《战意》，是目前我国出海最大的PC游戏。


• 讲者主页： http://www.boomingtech.com

• 课程题目：拓扑优化在3D打印中的应用


• 授课讲者：王伟明, 大连理工大学


• 课程摘要：拓扑优化是一个非常实用的结构原型设计工具，其在多个领域得到了广泛的研究和应用，比如航空航天、机械和建筑等等。但是由拓扑优化所设计的结构往往具有复杂的拓扑结构，从而很难通过传统的加工技术进行制造，这也限制了拓扑优化方法的应用范围。随着3D打印技术的出现与发展，面向3D打印的拓扑优化方法研究成为了当前研究的热点之一，比如基于拓扑优化的自支撑结构、微几何结构和晶体结构的设计等。然而，3D打印过程中的一些因素会影响最终制造产品的质量和力学性能，比如制造过程中的结构自重、外部载荷和热形变等。因此，我们需要在结构设计过程中（拓扑优化）考虑相关因素，提升3D打印的稳定性和实用性。与传统的3D打印技术相比，多轴3D打印技术具有更多的打印自由度，且能够制造弯曲的切片，即结构的制造序列（由切片构成）无法由给定的打印方向唯一确定。因此，我们可以通过多轴3D打印制造序列的优化（时空拓扑优化），研究制造过程中的各种因素对最终产品质量和力学性能的影响。 本课程将首先介绍拓扑优化的基本模型及求解方法。然后介绍我们基于拓扑优化对3D打印相关问题的研究进展，包括：1）3D打印制造过程中的结构自重、外部载荷、热形变等问题的研究；2）共形晶体结构设计。


• 讲者简介：王伟明，本博就读于大连理工大学数学科学学院，2016年博士毕业后留校工作至今。博士期间访问浙江大学、中国科学技术大学、亚琛工业大学。在玛丽居里基金资助下，于2018年到代尔夫特理工大学进行两年多的博士后研究工作。获得国际结构与多学科优化/Springer最佳论文奖、辽宁省自然科学学术成果奖、大连市优秀科技成果奖等奖励。主持国家自然科学基金青年基金、博士后科学基金；参与国家重大、重点等子课题多项。入选大连理工大学第五批星海骨干人才培育计划。共发表学术论文20余篇，其中包括TOG、TVCG、CGF等领域重要期刊。主要研究方向为数字几何处理与计算制造。


• 讲者主页： https://wmwang.weebly.com

• 课程题目：可微分视觉信息采集建模


• 授课讲者：吴鸿智, 浙江大学


• 课程摘要：如何对物理世界中的物体几何、材质等高维视觉信息进行高效、高质量的采集是计算机图形学与视觉中的经典难题。可微分采集建模通过把物理采集和计算重建同时映射到可微分流水线上，使得对整个采集建模过程进行高效、全自动的软硬件联合优化成为可能，和已有工作相比显著地提升了采集建模的效率和质量。在本课程中，将简要介绍可微分采集建模的基本概念，以及讲者近年来在这个方向所做的系列工作（多篇相关文章已发表于ACM SIGGRAPH/SIGGRAPH Asia）。


• 讲者简介：吴鸿智，浙江大学计算机科学与技术学院副教授、博士生导师，国家优秀青年基金获得者。本科毕业于复旦大学，博士毕业于美国耶鲁大学。主要研究兴趣为高密度采集装备与可微分建模，研制了多套具有自主知识产权的高密度光源阵列采集装备，发表了ACM TOG期刊论文10余篇，合作出版了计算机图形学译著2部，主持了国家自然科学基金多个研究项目以及微软亚洲研究院合作项目。担任Chinagraph程序秘书长，中国图像图形学会国际合作与交流工作委员会秘书长、智能图形专委会委员，以及PG、EGSR、CAD/Graphics等多个国际会议的程序委员会委员。


• 讲者主页： http://www.cad.zju.edu.cn/home/hwu

• 课程题目：面向设计和增减材制造的几何和流程优化


• 授课讲者：赵海森, 山东大学


• 课程摘要：作为重要的基础工业软件，开发自主的计算机辅助设计/模拟/制造(CAD/CAE/CAM)系统，对我国发展高端智能制造，解决“卡脖子”问题至关重要。我们从图形学和几何计算的角度出发，面向设计优化、增材和减材制造流程规划、及设计和制造“一体化”等问题，提出了一系列解决方案。具体的，我们将制造约束引入到扫描重建阶段，能够直接得到符合制造规范的几何设计；引入“费马螺旋线”提出了“连通费马螺旋线”路径，与传统路径方法相比，具备显著的全局连续性和路径平滑的优势，并将其应用于三维打印和数控加工的路径规划；面向复杂自由曲面模型的数控加工，分别针对三轴和五轴数控加工提出了首个自动装夹规划算法；面向设计和制造“一体化”问题，我们采用编程语言的方式对设计和制造过程进行统一表达，提出了首个木工自动化的设计优化和制造流程规划系统。


• 讲者简介：赵海森，美国华盛顿大学博士后。主要研究方向为计算机图形学、智能制造。2018年12月获得山东大学工学博士学位；2019年3月至2021年3月在美国华盛顿大学Grail实验室从事博士后研究。曾在ACM TOG、 ACM SIGGRAPH/Asia、IEEE TVCG、IROS等顶级期刊或会议上发表论文十余篇，申请十余项国家发明专利和一项美国发明专利。曾获山东省自然科学奖一等奖、“CCF优秀博士学位论文奖”和“CAD&CG 2012优秀学生论文”等荣誉。


• 讲者主页： https://haisenzhao.github.io/

• 课程题目：结构化目标的三维建模


• 授课讲者：陈雪锦, 中国科学技术大学


• 课程摘要：人类无论是在理解还是构造三维场景时都基本遵循整体与部分的层次结构。近年来，越来越多的工作聚焦在三维目标的结构化表达、层次化解析和结构化生成，三维目标的结构化表达和结构先验能够大大提高各类深度神经网络的泛化能力。然而，如何对结构信息进行有效地表达并在深度神经网络中嵌入结构化约束是极具挑战的。本报告将主要介绍在三维物体的结构化表达、重建和生成方面的技术发展历程和前沿进展。


• 讲者简介：陈雪锦，2008年于中国科学技术大学获得博士学位，2008-2010年于耶鲁大学计算机系从事博士后研究，2010年加入中国科学技术大学信息学院任副教授。2014微软亚洲研究院“铸星计划”访问学者、2017年2月~2017年8月美国斯坦福大学计算机系任访问副教授。主要研究方向为计算机图形学、三维视觉、脑显微图像分析。在ACM TOG、IEEE TVCG、TMI、ACM Multimedia等期刊会议上发表学术论文50余篇，承担国家科研项目10余项，曾获CVM期刊2019年度最佳论文提名奖。


• 讲者主页： http://staff.ustc.edu.cn/~xjchen99