SIGGRAPH 2022最佳技术论文奖重磅出炉！北大陈宝权团队获荣誉提名

作者丨David

来源新智元

【导读】SIGGRAPH 2022年最佳技术论文奖揭晓！北京大学陈宝权教授团队论文获得荣誉提名奖。

计算机图形领域顶会SIGGRAPH 揭晓2022年最佳技术论文奖！

今年，SIGGRAPH提交研究成果的方法有两种：期刊论文和会议论文，前者是前几年同一计划的延续，后者以较短的形式分享观点。

另外，SIGGRAPH 2022年，新推出了技术论文奖，包括最佳论文奖和荣誉提名奖。这些论文因其突出的研究和对计算机图形和交互技术研究未来的创新贡献而被选中。

将于8月11日在温哥华举行正式颁奖典礼SIGGRAPH 2022年闭幕式举行。

最佳论文5篇，荣誉提名奖10篇。其中，北京大学陈宝泉教授团队获得荣誉提名奖。

最佳论文奖(5篇)

1.Image Features Influence Reaction Time: A Learned Probabilistic Perceptual Model for Saccade Latency

本文提出了一上观察到的图像特征的函数，提出了一个受神经学启发的知觉模型来预测眼睛的反应时间。本文的模型可以用来预测和改变电子竞技和AR/VR应用中反应延迟的指标。

论文链接：https://arxiv.org/pdf/2205.02437.pdf

发布机构：纽约大学、普林斯顿大学、北卡罗来纳大学教堂山分校、英伟达研究所

2. CLIPasso: Semantically-Aware Object Sketching

本文提出了CLIPasso，一种在不同抽象层次上绘制物体草图的方法。我们将草图定义为一组笔画，并使用可区分的光栅化器来优化笔画参数，以适应CLIP通过改变笔画的数量来控制抽象程度。

论文链接：https://arxiv.org/pdf/2202.05822.pdf

发文机构:特拉维夫大学，洛桑联邦理工学院Reichman大学

3. Instant Neural Graphics Primitives with a Multiresolution Hash Encoding

神经网络作为图形基元的高质量表示出现，如带有符号的距离函数、光场、纹理等。我们的方法可以在几秒钟内训练这样的基元，并在几毫秒内完成渲染，这样它们就可以在图形算法的内部循环中使用，以前可能会被忽略。

论文链接：https://arxiv.org/pdf/2201.05989.pdf

发文机构：英伟达

4. Spelunking the Deep: Guaranteed Queries on General Neural Implicit Surfaces

本工作开发了几何查询，如射线投影、最接近点、交叉点测试、空间层次建立等。关键工具是范围分析，可以自动计算神经网络输出的局部边界。即使在随机初始化的网络上，也能保证由此产生的查询的准确性。

论文链接：https://arxiv.org/pdf/2202.02444.pdf

发文机构：多伦多大学，Adobe

5. DeepPhase: Periodic Autoencoders for Learning Motion Phase Manifolds

本文提出了一个周期性的自动编码器，它可以从非结构化运动数据中学习空间时间结构。该网络产生多维相位流形，有助于增强神经角色控制器与各种任务的运动匹配，包括音乐舞蹈或足球运动等各种运动。

发文机构:爱丁堡大学、艺术电视公司、香港大学

一作Github：

https://github.com/sebastianstarke/AI4Animation

荣誉提名奖(10篇)

1. Joint Neural Phase Retrieval and Compression for Energy- and Computation-efficient Holography on the Edge

本文提出了联合生成和压缩纯相位全息图的框架，实现了边缘设备的高远程传输效率和图像重建质量。边缘全息显示设备的低计算和能源成本证明了信息编码过程与相位解码程序之间的不对称计算和分配。

论文链接：

https://www.immersivecomputinglab.org/wp-content/uploads/2022/07/Hologram_compression_network_11-compressed.pdf

发文机构:山东大学、普林斯顿大学、北卡罗来纳大学教堂山分校、纽约大学、北京大学

2. Computational Design of High-level Interlocking Puzzles

本文提出了根据用户指定的谜题形状、数量和难度设计高级联锁谜题的计算方法。我们的关键思想是使用一个新的拆卸图来表示联锁谜题的所有可能配置，并指导谜题的设计过程。

论文链接：

https://sutd-cgl.github.io/supp/Publication/projects/2022-SIGGRAPH-High-LevelPuzzle/download/2022-SIGGRAPH-High-LevelPuzzle.pdf

新加坡科技大学；苏黎世联邦理工学院；奥地利IST公司

3. Sparse Ellipsometry: Portable Acquisition of Polarimetric SVBRDF and Shape With Unstructured Flash Photography

本文提出了稀疏椭圆测量振测量采集方法，可以同时采集偏振SVBRDF和3D形状。本文还开发了完整的偏光SVBRDF该模型，包括漫反射和镜面反射，以及单一散射，并设计了一种新的偏光反演算法。

论文链接：

http://vclab.kaist.ac.kr/siggraph2022p1/index.html

发文机构：韩国科技院（KAIST）；萨拉戈萨大学-I3A；亚洲微软研究院；

4. Umbrella Meshes: Volumetric Elastic Mechanisms for Freeform Shape Deployment

伞形网格是一种优化的弯曲活性结构，从紧凑的制造状态部署到自由形状的设计表面。本文提出了一个完整的反设计管道，结合物理模拟，准确地建模了结构的弹性变形。

论文链接：

https://lgg.epfl.ch/publications/2022/UmbrellaMeshes/paper.pdf

发布机构：瑞士洛桑联邦理工学院、加州大学戴维斯分校、休斯顿大学

5. Sketch2Pose: Estimating a 3D Character Pose From a Bitmap Sketch

艺术家们经常通过光栅草图捕捉角色的姿势，然后在三维动画软件中使用这些草图作为参考。我们提出了第一个从单个位置草图中推断三维角色姿势的系统，产生了与观众期望一致的姿势。

论文链接：

http://www-labs.iro.umontreal.ca/~bmpix/sketch2pose/sketch2pose.pdf

发文机构：蒙特利尔大学

6. Facial Hair Tracking for High Fidelity Performance Capture

面部毛发是面部表演捕捉中基本被忽视的问题。它要求演员在捕捉过程中刮胡子。我们提出了第一种重建和跟踪三维面部毛发纤维的方法，在动态面部表演中与底部皮肤相似。

论文信息：

https://s2022.siggraph.org/presentation/?id=papers_418&sess=sess112

发布机构：苏黎世联邦理工学院，迪士尼研究中心

7. Towards Practical Physical-optics Rendering    

本文提出了一个实用的物理光传输框架，能够在渲染中再现全局衍射和波干扰效应。与现有的方法不同，我们能够用复杂的相干感知材料来渲染逼真、精细的场景，在整个过程中考虑到了光的波性，而且性能接近辐射渲染器。

论文链接：

https://sites.cs.ucsb.edu/~lingqi/publications/202203_practical_plt_paper_lowres.pdf

发文机构：加州大学圣芭芭拉分校

8. Free2CAD: Parsing Freehand Drawings Into CAD Commands 

本文提出了Free2CAD，用户可以画出一个形状，我们的系统将输入的笔画解析成CAD命令，以再现画好的物体。从技术上讲，我们把基于草图的CAD建模作为一个序列到序列的转换问题，输入的笔触被分组以对应单个的CAD操作。  

论文链接：

https://geometry.cs.ucl.ac.uk/projects/2022/free2cad/paper_docs/Free2CAD_SIG_2022.pdf

发文机构：INRIA，蔚蓝海岸大学，伦敦大学学院，微软亚洲研究院，Adobe研究院

9. Grid-free Monte Carlo for PDEs With Spatially Varying Coefficients    

本文描述了一种方法来解决复杂几何域上具有空间变化系数的偏微分方程（PDE），不需要对几何或系数函数进行任何近似。本文主要贡献是通过从体积渲染的蒙特卡洛技术中获得灵感，扩展了WoS算法。

论文链接：https://arxiv.org/pdf/2201.13240.pdf

发文机构：卡内基梅隆大学，达特茅斯学院

10. Implicit Neural Representation for Physics-driven Actuated Soft Bodies    

本文通过定义一个函数，使材料空间中的空间点与控制参数之间形成连续的映射，来控制主动软体。这使我们能够捕捉到信号的主导频率，使该方法不受离散化影响，并可广泛适用。

论文信息（一作个人主页）：

https://people.inf.ethz.ch/~linyang/

发文机构：苏黎世联邦理工学院

自 1974 年以来，ACM SIGGRAPH 一直在促进和庆祝计算机图形和交互技术方面的创新，建立能够发明、教育、启发和重新定义计算机图形领域的社区。

参考资料：

https://blog.siggraph.org/2022/07/siggraph-2022-technical-papers-awards-best-papers-and-honorable-mentions.html/

本文仅做学术分享，如有侵权，请联系删文。

3D视觉工坊精品课程官网：3dcver.com

1.面向自动驾驶领域的多传感器数据融合技术

2.面向自动驾驶领域的3D点云目标检测全栈学习路线！(单模态+多模态/数据+代码)
3.彻底搞透视觉三维重建：原理剖析、代码讲解、及优化改进
4.国内首个面向工业级实战的点云处理课程
5.激光-视觉-IMU-GPS融合SLAM算法梳理和代码讲解
6.彻底搞懂视觉-惯性SLAM：基于VINS-Fusion正式开课啦
7.彻底搞懂基于LOAM框架的3D激光SLAM: 源码剖析到算法优化
8.彻底剖析室内、室外激光SLAM关键算法原理、代码和实战(cartographer+LOAM +LIO-SAM)

9.从零搭建一套结构光3D重建系统[理论+源码+实践]

10.单目深度估计方法：算法梳理与代码实现

11.自动驾驶中的深度学习模型部署实战

12.相机模型与标定(单目+双目+鱼眼）

13.重磅！四旋翼飞行器：算法与实战

14.ROS2从入门到精通：理论与实战

15.国内首个3D缺陷检测教程：理论、源码与实战

16.基于Open3D的点云处理入门与实战教程

重磅！3DCVer-学术论文写作投稿 交流群已成立

扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。

同时也可申请加入我们的细分方向交流群，目前主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、多传感器融合、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流、ORB-SLAM系列源码交流、深度估计等微信群。

一定要备注：研究方向+学校/公司+昵称，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，可快速被通过且邀请进群。原创投稿也请联系。

▲长按加微信群或投稿

▲长按关注公众号

3D视觉从入门到精通知识星球：针对3D视觉领域的视频课程（三维重建系列、三维点云系列、结构光系列、手眼标定、相机标定、激光/视觉SLAM、自动驾驶等）、知识点汇总、入门进阶学习路线、最新paper分享、疑问解答五个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近4000星球成员为创造更好的AI世界共同进步，知识星球入口：

学习3D视觉核心技术，扫描查看介绍，3天内无条件退款

 圈里有高质量教程资料、答疑解惑、助你高效解决问题

觉得有用，麻烦给个赞和在看~