Redian新闻
>
北工大校友Cheng Zhang获SIGGRAPH最佳博士论文奖

北工大校友Cheng Zhang获SIGGRAPH最佳博士论文奖

公众号新闻

机器之心报道

编辑:张倩、马梓文
Cheng Zhang 本科毕业于北京工业大学,在加利福尼亚大学尔湾分校拿到了博士学位,目前在 Meta Reality Labs 担任研究科学家。

近日,计算机图形学及互交技术顶会 SIGGRAPH 主办方 ACM SIGGRAPH 宣布了今年大会的最佳博士论文奖获奖者,毕业于加利福尼亚大学尔湾分校的 Cheng Zhang 摘得该奖项。


评委会认为,Cheng Zhang 在论文中展示了基于物理的渲染方面的重大进展,为未来的可微分渲染算法的发展提供了实用工具和坚实的理论基础。


同时,毕业于奥地利科技学院的 Georg Sperl 获得了最佳博士论文奖荣誉提名。

SIGGRAPH 是计算机图形学顶级国际学术会议,创立于 1974 年,已经发展成为由对计算机图形学和交互技术感兴趣的研究人员、艺术家、开发人员、电影制作人、科学家和商业人士组成的国际社区。

今年的 SIGGRAPH 大会将于 8 月 6 日至 10 日在美国加利福尼亚州洛杉矶会议中心举行。


SIGGRAPH 博士论文奖设立于 2016 年,每年颁发给在计算机图形学和交互技术领域成功答辩并完成博士论文的近期博士候选人,以表彰他们的杰出成就。该奖项旨在认可在博士研究早期已经做出显著贡献的年轻研究者,每年在 SIGGRAPH 会议上颁发,并附带颁发铭牌、全程会议注册和前往颁奖典礼的旅费。

获奖论文

Cheng Zhang 的博士论文标题是「Path-Space Differentiable Rendering(路径空间可微渲染)」,围绕一种创新的基于物理的可微分渲染框架 —— 路径空间可微渲染 —— 展开研究,对于计算机图形学和计算机视觉、计算成像、计算制造、机器人技术以及虚拟 / 增强现实(VR/AR)等领域的应用具有重要意义。


论文链接:https://holmes969.github.io/document/thesis.pdf

可微分渲染解决了计算机生成图像的复杂光传输效应(包括软阴影、相互反射或次表面散射)的微分问题,这些问题涉及描述正在渲染的场景的所有参数,例如物体的形状、表面的颜色或周围介质的光密度。可微分渲染中的一个核心问题是处理由于对象边界和遮挡而产生的不连续性:这些不连续性的微分导致渲染方程积分中出现了狄拉克 delta 分布,通过蒙特卡罗采样积分这些分布通常非常困难、计算代价高昂。

Cheng Zhang 提出了一种巧妙的方法来显著提高处理不连续性的效率。他从渲染的路径空间表述(而不是基于对立体角的积分)开始,观察到用于评估光传输所需的典型被积函数包含移动不连续性,并且在这种表述中其积分域依赖于参数。通过将连续介质力学中的雷诺传输定理(连续介质力学的重要概念)引入渲染中,他能够将变量的变化从依赖参数的路径空间引入到不依赖参数的材料空间,以及在材料路径空间中对不连续面进行积分,以解释依赖参数的不连续性。这种在路径空间中对微分光传输进行严谨表述的方法相当优雅地引出了用于全局光照的估计边界和内部积分的蒙特卡罗方法。

除了在理论上提出了重要的微分辐射传输和路径积分表述之外,他的博士论文还作出了其他显著的实际贡献。例如,Zhang 注意到可微渲染中的导数通常是奇函数。他利用这一性质产生样本之间的负相关性以减少方差,从而极大地提高了基于蒙特卡罗的可微分渲染的效率。

Zhang 的博士论文建立了坚实的数学基础和实用算法,极大地提高了基于蒙特卡罗的可微分渲染的效率。

在获奖之后,他将继续致力于推进可微渲染算法的发展,并将重点放在实际应用上。「一个特别关注的领域是利用这些工具来应对现实世界的挑战,例如 3D 重建,」他说。「我对将基于物理的方法(例如,可微渲染)与基于学习的方法相结合以解锁更多可能性特别感兴趣。」

获奖人


Cheng Zhang 在 2022 年取得了加州大学尔湾分校(University of California, Irvine)的计算机科学博士学位。他的硕士学位及本科学位分别来自哥伦比亚大学(Columbia University in the City of New York New York)和北京工业大学。他在本科期间获得了北川学术奖学金,并连续荣获北京工业大学优秀学术奖。读博期间,他曾获得 Facebook 奖学金。在博士学业完成后,他加入了 Meta Reality Labs。

他的研究专注于基于物理的渲染及其逆问题,主要围绕从物理测量中推断几何和材料属性。为了开发针对各种逆渲染问题的通用解决方案,他一直在积极研究基于物理的可微分渲染的主题。

此外,毕业于奥地利科技学院的 Georg Sperl 凭借「Homogenizing Yarn Simulations: Large-scale mechanics, small-scale detail, and quantitative fitting」论文获得了今年的最佳博士论文奖提名。该论文旨在通过数值均质化方法提高织物仿真的效率,并在模拟中保留一定的机械和视觉细节。论文的应用方向是提高织物仿真的效率和真实性。

论文链接:https://research-explorer.ista.ac.at/download/12358/12371/thesis_gsperl.pdf

Georg Sperl 目前在 CLO Virtual Fashion(一家数字时尚公司,目前已基于虚幻引擎推出了时装设计软件,以及供用户买卖虚拟服装的平台)担任研究科学家。在此之前,他在奥地利维也纳技术大学获得了学士和硕士学位,专业是视觉计算。2022 年,他在奥地利科技学院教授 Chris Wojtan 的指导下完成了基于物理的模拟的博士学位。他的研究兴趣包括各种自然现象(布料、纱线、颗粒介质、流体等)的基于物理的动画,以及多尺度模拟。


参考连接:
https://www.siggraph.org/awards/outstanding-doctoral-dissertation-award/
https://www.cs.uci.edu/cheng-zhang-receives-outstanding-doctoral-dissertation-award/


© THE END 

转载请联系本公众号获得授权

投稿或寻求报道:[email protected]

微信扫码关注该文公众号作者

戳这里提交新闻线索和高质量文章给我们。
相关阅读
2022年ACM博士论文奖公布了KDD 2023奖项出炉:港中文、港科大等获最佳论文奖,GNN大牛Leskovec获创新奖消费科技品牌Nothing获9600万美元新一轮融资,全球销量突破150万台|早起看早期句句戳心!40岁才博士毕业,安徽省省长写了篇博士论文后记SIGGRAPH 2023论文奖公布,山大、港大获奖,北大、腾讯光子获提名Hélène Binet:光的哲学家等了49年!!!中国大陆首个SIGMOD最佳论文奖出炉!!!哥巳不再是当年的哥,姐已不再是当年的姐西北工大28岁女副教授火了7 Papers | 浙大研究获SIGMOD 2023最佳论文;GPT-4拿下最难数学推理数据集新SOTA国内首次!山东大学全新点云法向估计算法荣获SIGGRAPH最佳论文奖一天自动发现四大数据库100+漏洞,浙大研究获SIGMOD 2023最佳论文汤姆●琼斯—一个弃儿的个人史01.04B(重译)对标ChatGPT!Hugging Face推出开源聊天机器人HuggingChat联合浙大斩获SIGMOD最佳论文,PolarDB团队解读产学合作新范式上海AI实验室联合团队获CVPR最佳论文奖 | CVPR 2023ACL 2023最佳论文出炉!CMU西交大等摘桂冠,杰出论文奖华人学者占半壁江山陈怡然教授论文获2024 IEEE优秀论文奖!STN-iCNN:端到端的人脸解析框架北大校友、哈工大青椒去世,年仅31岁写博士论文的10个提示(也适合硕士论文)SIGGRAPH 2023最佳论文公布!山大、港大获奖!北大、腾讯光子获提名消费科技品牌Nothing获9600万美元新一轮融资,全球销量突破150万台|36氪首发澳洲人全世界最蠢...吗?国内首次!山东大学全新点云法向估计算法荣获SIGGRAPH 2023最佳论文奖国内首个SIGGRAPH最佳论文奖!山东大学提出全新点云法向估计算法大幅优化推理过程,字节高性能Transformer推理库获IPDPS 2023最佳论文奖博士论文致谢出圈!考研7次、屡试不第,博士答辩三次...Shenzhen Employee Fired for Refusing Team-Building Event山大SIGGRAPH 2023 最佳论文得主分享:点云法向估计及保特征重建《山恋》&《浮生记》孔炜教授团队与合作者发表的《Circulation》论文获美国心脏协会Joseph Loscalzo年度最佳基础/转化科学论文奖Agency Demands Photographer Pay — For Using Own PhotosICML 2023杰出论文奖放榜!北大校友一作斩获大奖,华人作者参与三篇,DeepMind苹果纷纷获选【七绝】 园中株 (五歌)NeRF基于线稿生成逼真三维人脸,细节风格随意改,论文已上SIGGRAPH
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章,不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。文章信息的合法性及真实性由其作者负责,与Redian.news及其运营公司无关。欢迎投稿,如发现稿件侵权,或作者不愿在本网发表文章,请版权拥有者通知本网处理。