本文摘要：智能图形计算出来是计算机图形学与人工智能深度融合的研究方向。近年来，随着输入输出设备和计算出来平台的演进，计算机图形学技术的应用于扩展到移动互联网、商业/社会数据分析和智能生产等新领域，呈现普适简化和智能化的发展趋势。同时，机器学习方向辈出的以深度自学为代表的突破性进展，为视觉信息的处置和计算出来获取了新的途径。人工智能技术逐步带入到计算机图形学建模、建模和绘制等各个领域，推展了三维图形计算技术的发展。

智能图形计算出来是计算机图形学与人工智能深度融合的研究方向。近年来，随着输入输出设备和计算出来平台的演进，计算机图形学技术的应用于扩展到移动互联网、商业/社会数据分析和智能生产等新领域，呈现普适简化和智能化的发展趋势。同时，机器学习方向辈出的以深度自学为代表的突破性进展，为视觉信息的处置和计算出来获取了新的途径。人工智能技术逐步带入到计算机图形学建模、建模和绘制等各个领域，推展了三维图形计算技术的发展。

第8期CSIG图像图形学科前沿讲习班（Advanced Lectures on Image and Graphics，全称IGAL）于2018年11月17日-18日在杭州举行，本期讲习班的主题为“智能图形计算出来前沿进展与应用于”，由浙江大学周昆教授任学术主任，邀智能图形计算出来及涉及领域的著名专家不作报告，使学员在理解学科前沿，提升学术水平的同时，强化与国内外顶尖学者的学术交流。时间地点2018年11月17日-18日浙江大学紫金港校区蒙民伟楼225报告厅学术主任周昆浙江大学计算机辅助设计与图形学国家重点实验室主任周昆，教育部长江学者特聘教授，国家杰出青年科学基金获得者，国际电气电子工程师协会会士（IEEE Fellow），现任浙江大学计算机辅助设计与图形学国家重点实验室主任。

2002年获得浙江大学工学博士学位，2002至2008年就任于微软亚洲研究院，2008年返回浙江大学工作。研究领域还包括计算机图形学、嵌入式、虚拟现实和并行计算。

近年来在ACM/IEEE汇刊上公开发表论文80余篇，取得发明专利40余项。现（曾）兼任《IEEE TVCG》、《ACM TOG》、《The Visual Computer》、《Frontiers of ComputerScience》、《中国科学:信息科学》、《计算机研究与发展》等期刊编委，兼任《IEEE Spectrum》编辑顾问委员会委员，兼任中国图象图形学学会智能图形专委会主任和中国人工智能学会智能交互专委会副主任。曾取得2010年中国计算机图形学卓越奖、2011年中国青年科技奖、2011年麻省理工学院《技术评论》全球杰出青年创新奖(MIT TR35 Award)、2013年国家自然科学二等奖、2016年陈嘉庚青年科学奖、2017年浙江省自然科学一等奖。

特邀嘉宾刘洋微软公司亚洲研究院主管研究员报告题目：从想象到现实：从草图抵达建构三维权利曲面概要：设计者一般来说在纸面上勾勒二维线条或在三维空间绘制稠密的三维线板以较慢刻画想象中的三维形体，但如何将想象中的三维形体的曲面结构出来仍然是个未解决的问题。此次报告将展出通过绘制稠密二维或三维草图来建构三维权利曲面的技术。该技术将传达物体形状的草图形式和希望曲面的曲率流向及特征方向涉及，由此为基础设计了数值上高效鲁棒的计算方法以建构合乎用户设计意图的三维曲面。

Charlie C.L.Wang香港中文大学教授报告题目：Geometric Computing for Multi-Axis Additive Manufacturing概要：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香港中文大学教授报告题目：Learning for Graphics When Training Data is Scarce概要：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.王锐浙江大学CADCG国家重点实验室教授，博士生导师报告题目：光场传输的稠密性分析与自优化绘制计算出来框架概要：长久以来绘制研究的一个核心问题是如何加快绘制计算出来的过程。本报告将不会讲解报告人近几年在真实感绘制与动态绘制领域获得的一系列科研成果。

首先讲解针对绘制计算出来中光场传输信号的稠密性展开分析的工作，利用稠密性可以大大加快真实感绘制中的光线取样与重构计算出来，从而提高真实感绘制的速度；其次讲解报告人针对动态绘制明确提出的自优化（auto-tuning）的绘制流水线优化框架，利用该框架可以自动地构建对绘制过程的优化，并讲解基于该框架积极开展的多项优化工作，还包括着色器（shader）修改、能耗优化等等。刘世霞清华大学软件学院宽聘为副教授报告题目：交互式机器学习模型分析概要：可说明的机器学习目的使机器学习模型的决策过程对研究人员和从业人员更为半透明，从而构建人机的有效地交流和协作。本报告将讲解我们明确提出的机器学习模型可用分析框架。

该框架跑出传统可用分析“再行分析再行可视化”的单一方向分析机制，将机器学习方法和交互可视化方法有机地融合在一起，从而更佳地协助用户解读简单模型及其输入结果，分析、临床并不断完善机器学习模型。为用户自由选择、利用及改良机器学习模型获取技术依据。

最后，融合明确的应用于实例，如构建自学模型和深度自学模型分析等，讲解我们基于该框架研制开发的可用分析技术。廖菁香港城市大学计算机科学系由助理教授报告题目：基于深度自学的艺术风格化研究概要：运用人工智能（AI）展开艺术创作仍然是极具挑战的研究领域。近年来深度自学的技术很大地加快了这些领域的发展，如微软公司小冰作诗，谷歌大脑音乐创作，Prisma艺术风格化滤镜等。

本次讲座我们将辩论如何将传统的视觉图形学研究和深度自学技术有机地融合，从而有效地展开图片和视频的艺术风格化，使得普通的生活照片逆身兼大师级绘画或摄影作品。讲座嘉宾将讲解其近两年基于深度神经网络自学风格迁入（style transfer）的一系列科研成果。

首先讲解如何设计深度神经网络自学语义信息和艺术风格，然后将其艺术风格根据语义应用于到新的照片，视频，VR/AR中;其次讲解一些涉及的拓展应用于还包括照片颜色切换（比如白天逆黑夜、夏季逆冬季），人像化妆迁入，黑白照片上色等。徐枫清华大学软件学院尤其研究员报告题目：从人到场景的动态三维重建概要：在计算机视觉中，动态精确的提供人和场景的各种运动信息，将沦为未来大自然嵌入式的技术基础；与此同时，在计算机图形学中，高精度的修复运动，对于电影、游戏中的特效分解与制作具备最重要意义。

本报告首先环绕人体动态修复问题讲解若干近期的研究工作，还包括利用有所不同的硬件设备，针对高精度、便捷性和实时性三大目标，对人体的有所不同部分（还包括面部，肢体，目光）展开运动修复。之后，针对360度场景的动态修复技术，讲解课题组的近期研究成果。程明明南开大学计算机学院教授报告题目：智能媒体计算出来-当图形学碰上视觉概要：传统图形学技术注目从三维模型到真实感图像的绘制过程以及人与计算机的交互过程。

传统计算机视觉技术注目从现实图像中提供物体的三维结构、语义标签等信息。近年来，随着互联网图像大数据、深度自学、以及新的收集设备的蓬勃发展，计算机图形学和计算机视觉渐渐南北交融。

这个报告将通过两个领域联合注目的话题为制导，探究图形学和计算机视觉的融合与相互促进过程中所产生的机遇和挑战。甄选及登记费用本期讲习班限报150人，根据缴付先后顺序入学，报满为止。2018年11月16日（不含）前登记并缴付：CSIG会员1600元/人，非会员甄选同时重新加入CSIG 2000元/人（含1年会员费）；现场缴付：会员、非会员皆为3000元/人；CSIG团体会员参与，按CSIG会员标准缴付；同一单位组团（5人及以上）甄选，皆按CSIG会员标准缴付。

注册费还包括授课资料和2天会议期间午餐，其它食宿、交通自理。即日起至2018年11月16日，报名者请求电话咨询学会秘书处或加到微信咨询证实缴付事宜。缴付方式学会秘书处跟您联系证实后，将讲习班费用账户至学会的以下账户（三种缴纳方式自由选择其一）：支付宝缴纳微信缴纳银行汇款收款单位：中国图象图形学学会开户行：工行海淀分行账号：0200049609200073436温馨提醒：缴付时，请求确认表明“中国图象图形学学会”后再行缴纳，并在栏中中标明：IGAL08+姓名。

联系方式联系人：骆老师；孙老师联系电话：010-82544676；18510866934（手机微信同号）邮箱：igal@csig.org.cn官网链接：http://www.csig.org.。

本文来源：南宫28圈官网-www.kubernetek.com