SIGGRAPH 2022公佈技術和藝術研究紀錄名冊

論文計劃展示來自27個國家的262個項目，加上團隊揭示了“展覽中的最佳”藝術

芝加哥- siggraph 2022宣佈了來自27個國家的262個選定的研究項目，作爲今年夏天技術和藝術論文項目的一部分。精心挑選的項目涵蓋了計算機圖形學和交互技術的許多子領域的前沿進展。第49屆年會將於8月8日至11日舉行，屆時將有研究人員隨叫隨到的講座，幾乎在7月25日至10月31日期間提供。

今年冬天，“技術論文”項目收到了600多份投稿，這是近年來的最高紀錄，這得益於一種新的、更短的“會議論文”格式。除了提交的作品，該項目中的許多作品都來自於同行評議的ACM圖形學報(TOG)。評審委員會的成員通過雙盲程序選擇每個項目。

倫敦大學學院和Adobe倫敦研究實驗室的2022年SIGGRAPH技術論文主席Niloy J. Mitra分享道:“我很高興能分享2022年計劃，它展示了過去一年裡最好的科學貢獻。”“這些作品代表了創新研究，將機器學習與傳統方法以及其他學科有意義地結合起來。新的會議論文軌道旨在捕捉令人興奮的、新興的想法，作者已經真正超越了自己。我期待着看到他們在溫哥華展示他們的作品。”

除了耶魯大學、谷歌、麻省理工學院、Meta、育碧、達特茅斯學院和歐特克的研究，2022年技術論文計劃的重點包括:

基於多分辨率哈希編碼的即時神經圖形原語
作者:Thomas Müller, Alex Evans, Christoph Schied和Alexander Keller, NVIDIA
神經網絡作爲圖形原語(如符號距離函數、光場、紋理等)的高質量表示而出現。本文可以在幾秒內訓練這些原語，並在幾毫秒內呈現它們，允許它們在以前可能被忽略的圖形算法的內部循環中使用。

通過輪廓曲線的字符表達
作者:Fernando de Goes, William Sheffler, Kurt Fleischer, Pixar動畫工作室
本文提出了一種新的字符拼接方法，該方法通過變形表麵的三維曲線控製産生保持細節的變形。爲了在字符表麵上傳播曲線清晰度，該算法引入了一種曲麵切割算法，並推導出一種切割感知的數值離散化算法，該算法提供了具有曲線不連續的諧波插值。

語義感知對象草圖
作者:Yael Vinker，特拉維夫大學;Ehsan Pajouheshgar, Jessica Y. Bo和Roman Christian Bachmann，瑞士聯邦理工學院(EPFL);特拉維夫大學的Amit Haim Bermano和Daniel Cohen-Or;瑞士聯邦理工學院(EPFL) Amir Zamir;以及Reichman大學的Ariel Shamir
在這篇文章中，團隊提出了“CLIPasso”，一種在不同抽象層次上繪製對象草圖的方法。該研究將素描定義爲一組筆畫，並使用可微柵格化器優化筆畫參數，以減少基於裁剪的感知損失。抽象化程度是通過改變筆畫的筆畫數來控製的。

在這篇文章中，團隊提出了“CLIPasso”，一種在不同抽象層次上繪製對象草圖的方法。該研究將素描定義爲一組筆畫，並使用可微柵格化器優化筆畫參數，以減少基於裁剪的感知損失。抽象化程度是通過改變筆畫的筆畫數來控製的。

神經雅可比矩陣場:學習任意網格的內在映射
作者:Noam Aigerman, Adobe Research;Kunal Gupta，加州大學聖地亞哥分校;Adobe研究公司的Vladimir G. Kim;Siddhartha Chaudhuri, Adobe Research;Adobe Research的Jun Saito;Adobe研究公司的Thibault Groueix
本研究提出了一種網格變形深度學習的框架。經過訓練的網絡具有很高的精度，並産生了真實的結果，可以應用於任意三角剖分網格，而不是固定網格。這篇論文展示了各種各樣的實驗，比如UV映射，彈性變形，以及學習讓人類休息。

R2E2:使用數千個雲cpu的tb級場景的低延遲路徑跟踪
作者:Sadjad Fouladi，微軟研究院，斯坦福大學;還有，Brennan Shacklett, Fait pooms, Arjun Arora, Alex Ozdemir, Deepti Raghavan, Pat Hanrahan, Kayvon Fatahalian和Keith Winstein，斯坦福大學
R2E2是一個使用由數千個小型、無服務器的雲計算節點實時構建的“超級計算機”來跟踪大規模場景路徑的繫統。研究表明，使用數千名商品雲工作人員，可以在幾十秒內以高分辨率跟踪具有tb幾何形狀和紋理的場景。

更多精彩節目，請查看最近在YouTube上髮佈的技術論文預覽預告片。

從70多篇投稿中，2022年藝術論文評審團選出了15個項目，包括13篇長論文和兩篇短論文。被選中的作品將在計算機圖形和交互技術ACM會議的SIGGRAPH特刊中展出，或稱PACMCGIT。在“藝術+科技的重新定位”的主題下，所選擇的項目詢問了技術在藝術中的位置，以及藝術在科技社會中的位置。“我對今年的藝術論文項目感到非常興奮”，卡內基梅隆大學的SIGGRAPH 2022藝術論文項目主席丹尼爾·卡多索·拉奇説。評委會精心挑選了15篇髮人深省的論文，從藝術案例研究到批判性幹預、媒體考古學和思辨作品。作者涉及的問題包括隱私、遺産、種族和性別，以及環境。這些作品展示了藝術如何在工業應用之外提供想象力、思辨性和批判性的藝術和技術探索能力。我真的希望你們能在會議期間花點時間去髮現這些項目，無論你是親自參加還是虛擬參加。”

亮點包括:
利用深度學習技術保存傳統非洲舞蹈
作者:Adebunmi Odefunso，普渡大學和紀唸斯隆凱特琳癌症中心;普渡大學的Esteban Garcia Bravo和陳英傑
這項研究提出了一種新的框架，通過應用各種深度學習技術從視頻中識別、分類和建模傳統非洲舞蹈，將數據科學算法應用於文化保存領域。本文的研究爲非物質遺産保護的計算方法的應用開闢了新的途徑。

尋找可塑圖像:掃描處理的媒體考古
作者:Derek Holzer，皇家技術學院KTH
掃描處理是一種模擬電子圖像處理技術，以Scanimate(1969)和Rutt/Etra視頻合成器(1973)爲代表，它徹底改變了商業動畫，啟髮了一代實驗視頻藝術家。本文回顧了掃描處理的曆史、功能和用途，並提出了一種當代重演的方法，以研究這種技術爲用戶提供的可能性。

三階段圖紙轉移
作者:Robert Twomey，內佈拉斯加大學林肯分校Johnny Carson新興媒體藝術中心
這個項目在生成對抗網絡(GAN)、聯合機械臂和一個5歲的孩子之間創建了一個視覺-心理-物理電路。從訓練圖像到GAN的潛在空間，通過紙上的筆到一個活生生的人類合作者，它建立了一繫列人類和非人類之間的轉換階段，通過繪畫的媒介表現出來。研究結果是有趣的，因爲它跳出了成人的慣例和學習表達——比如Dubuffet的藝術衝動或超現實主義自動主義——以及它們如何將機器學習與人類學習繪畫的行爲結合起來。

訪問SIGGRAPH 2022技術和藝術論文編程可在不同的注冊級別。了解更多信息並在s2022.SIGGRAPH.org/reg注冊參加會议