SIGGRAPH 2022公布技术和艺术研究纪录名册
论文计划展示来自27个国家的262个项目，加上团队揭示了“展览中的最佳”艺术
芝加哥- siggraph 2022宣布了来自27个国家的262个选定的研究项目，作为今年夏天技术和艺术论文项目的一部分。精心挑选的项目涵盖了计算机图形学和交互技术的许多子领域的前沿进展。第49届年会将于8月8日至11日举行，届时将有研究人员随叫随到的讲座，几乎在7月25日至10月31日期间提供。
今年冬天，“技术论文”项目收到了600多份投稿，这是近年来的最高纪录，这得益于一种新的、更短的“会议论文”格式。除了提交的作品，该项目中的许多作品都来自于同行评议的ACM图形学报(TOG)。评审委员会的成员通过双盲程序选择每个项目。
伦敦大学学院和Adobe伦敦研究实验室的2022年SIGGRAPH技术论文主席Niloy J. Mitra分享道:“我很高兴能分享2022年计划，它展示了过去一年里最好的科学贡献。”“这些作品代表了创新研究，将机器学习与传统方法以及其他学科有意义地结合起来。新的会议论文轨道旨在捕捉令人兴奋的、新兴的想法，作者已经真正超越了自己。我期待着看到他们在温哥华展示他们的作品。”
除了耶鲁大学、谷歌、麻省理工学院、Meta、育碧、达特茅斯学院和欧特克的研究，2022年技术论文计划的重点包括:
基于多分辨率哈希编码的即时神经图形原语
作者:Thomas Müller, Alex Evans, Christoph Schied和Alexander Keller, NVIDIA
神经网络作为图形原语(如符号距离函数、光场、纹理等)的高质量表示而出现。本文可以在几秒内训练这些原语，并在几毫秒内呈现它们，允许它们在以前可能被忽略的图形算法的内部循环中使用。
通过轮廓曲线的字符表达
作者:Fernando de Goes, William Sheffler, Kurt Fleischer, Pixar动画工作室
本文提出了一种新的字符拼接方法，该方法通过变形表面的三维曲线控制产生保持细节的变形。为了在字符表面上传播曲线清晰度，该算法引入了一种曲面切割算法，并推导出一种切割感知的数值离散化算法，该算法提供了具有曲线不连续的谐波插值。
语义感知对象草图
作者:Yael Vinker，特拉维夫大学;Ehsan Pajouheshgar, Jessica Y. Bo和Roman Christian Bachmann，瑞士联邦理工学院(EPFL);特拉维夫大学的Amit Haim Bermano和Daniel Cohen-Or;瑞士联邦理工学院(EPFL) Amir Zamir;以及Reichman大学的Ariel Shamir
在这篇文章中，团队提出了“CLIPasso”，一种在不同抽象层次上绘制对象草图的方法。该研究将素描定义为一组笔画，并使用可微栅格化器优化笔画参数，以减少基于裁剪的感知损失。抽象化程度是通过改变笔画的笔画数来控制的。
在这篇文章中，团队提出了“CLIPasso”，一种在不同抽象层次上绘制对象草图的方法。该研究将素描定义为一组笔画，并使用可微栅格化器优化笔画参数，以减少基于裁剪的感知损失。抽象化程度是通过改变笔画的笔画数来控制的。
神经雅可比矩阵场:学习任意网格的内在映射
作者:Noam Aigerman, Adobe Research;Kunal Gupta，加州大学圣地亚哥分校;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
本研究提出了一种网格变形深度学习的框架。经过训练的网络具有很高的精度，并产生了真实的结果，可以应用于任意三角剖分网格，而不是固定网格。这篇论文展示了各种各样的实验，比如UV映射，弹性变形，以及学习让人类休息。
R2E2:使用数千个云cpu的tb级场景的低延迟路径跟踪
作者:Sadjad Fouladi，微软研究院，斯坦福大学;还有，Brennan Shacklett, Fait pooms, Arjun Arora, Alex Ozdemir, Deepti Raghavan, Pat Hanrahan, Kayvon Fatahalian和Keith Winstein，斯坦福大学
R2E2是一个使用由数千个小型、无服务器的云计算节点实时构建的“超级计算机”来跟踪大规模场景路径的系统。研究表明，使用数千名商品云工作人员，可以在几十秒内以高分辨率跟踪具有tb几何形状和纹理的场景。
更多精彩节目，请查看最近在YouTube上发布的技术论文预览预告片。
从70多篇投稿中，2022年艺术论文评审团选出了15个项目，包括13篇长论文和两篇短论文。被选中的作品将在计算机图形和交互技术ACM会议的SIGGRAPH特刊中展出，或称PACMCGIT。在“艺术+科技的重新定位”的主题下，所选择的项目询问了技术在艺术中的位置，以及艺术在科技社会中的位置。“我对今年的艺术论文项目感到非常兴奋”，卡内基梅隆大学的SIGGRAPH 2022艺术论文项目主席丹尼尔·卡多索·拉奇说。评委会精心挑选了15篇发人深省的论文，从艺术案例研究到批判性干预、媒体考古学和思辨作品。作者涉及的问题包括隐私、遗产、种族和性别，以及环境。这些作品展示了艺术如何在工业应用之外提供想象力、思辨性和批判性的艺术和技术探索能力。我真的希望你们能在会议期间花点时间去发现这些项目，无论你是亲自参加还是虚拟参加。”
亮点包括:
利用深度学习技术保存传统非洲舞蹈
作者:Adebunmi Odefunso，普渡大学和纪念斯隆凯特琳癌症中心;普渡大学的Esteban Garcia Bravo和陈英杰
这项研究提出了一种新的框架，通过应用各种深度学习技术从视频中识别、分类和建模传统非洲舞蹈，将数据科学算法应用于文化保存领域。本文的研究为非物质遗产保护的计算方法的应用开辟了新的途径。
寻找可塑图像:扫描处理的媒体考古
作者:Derek Holzer，皇家技术学院KTH
扫描处理是一种模拟电子图像处理技术，以Scanimate(1969)和Rutt/Etra视频合成器(1973)为代表，它彻底改变了商业动画，启发了一代实验视频艺术家。本文回顾了扫描处理的历史、功能和用途，并提出了一种当代重演的方法，以研究这种技术为用户提供的可能性。
三阶段图纸转移
作者:Robert Twomey，内布拉斯加大学林肯分校Johnny Carson新兴媒体艺术中心
这个项目在生成对抗网络(GAN)、联合机械臂和一个5岁的孩子之间创建了一个视觉-心理-物理电路。从训练图像到GAN的潜在空间，通过纸上的笔到一个活生生的人类合作者，它建立了一系列人类和非人类之间的转换阶段，通过绘画的媒介表现出来。研究结果是有趣的，因为它跳出了成人的惯例和学习表达——比如Dubuffet的艺术冲动或超现实主义自动主义——以及它们如何将机器学习与人类学习绘画的行为结合起来。
访问SIGGRAPH 2022技术和艺术论文编程可在不同的注册级别。了解更多信息并在s2022.SIGGRAPH.org/reg注册参加会议
