| 特邀报告列表:持续更新中 | |||
|---|---|---|---|
| 特邀报告1：Why is 3D Generation Hard? |
|---|
|
特邀讲者：西蒙弗雷泽大学 张皓教授
|
|
|
报告题目：Why is 3D Generation Hard? |
|
|
报告摘要：In recent years, we have been witness to some truly amazing results produced by contemporary GenAI models for images and video, but the progress on 3D generation has lagged behind. Why is that? In this talk, I will highlight several key challenges that are making 3D generation harder than its 2D counterpart, despite the rapid advances in neural fields, differentiable rendering, diffusion models, and the emergence of large language models (LLMs). To set the context, I will briefly recount how these topics have evolved and become intricately connected in the past few years, especially in the context of generative AI with an emphasis on 3D reasoning and content creation. I will then introduce several recent works from my group on 3D representation learning and generative modeling to address some of the challenges. While popular trends and successes will be highlighted, I also want to raise critical and unresolved issues that will hopefully drive several new research trends over these emerging topics for 3D GenAI. |
|
|
报告人简介：Hao (Richard) Zhang is a professor in the School of Computing Science at Simon Fraser University, Canada. He is a Fellow of the IEEE, holds a Distinguished University Professorship, and is an Amazon Scholar. Richard earned his Ph.D. from the University of Toronto, and MMath and BMath degrees from the University of Waterloo. His research is in computer graphics and visual computing with special interests in geometric and generative modeling, shape analysis, 3D vision, geometric deep learning, as well as computational design and fabrication. Awards won by Richard include a Canadian Human-Computer Communications Society Achievement Award in Computer Graphics (2022), a Google Faculty Award (2019), a National Science Foundation of China Overseas Outstanding Young Researcher Award (2015), an NSERC Discovery Accelerator Supplement Award (2014), and a Best Dataset Award from ChinaGraph (2020). He and his students have won the CVPR 2020 Best Student Paper Award and Best Paper Awards at Symposium on Geometry Processing 2008 and CAD/Graphics 2017. Richard has served as an editor-in-chief for Computer Graphics Forum (2014-2018), the Technical Papers Assistant Chair for SIGGRAPH Asia 2024, paper co-chairs for SGP 2013, GI 2015, and CGI 2018, and a conference chair for International Geometry Summit 2019. Richard will be the Technical Papers Chair for SIGGRAPH 2025. |
 |
| 特邀报告3：新一代三维重建技术: 构建流光溢彩的数字世界 |
|---|
|
特邀讲者：浙江大学 周昆教授
|
|
|
报告题目：新一代三维重建技术: 构建流光溢彩的数字世界 |
|
|
报告摘要：从真实对象的观测数据重建三维模型是最重要的三维数字化手段，也是计算机图形学和计算机视觉的核心研究方向。传统三维重建理论方法依赖高密度采样数据来获得高精度模型，建模效率低，在采样数据有限情况下精准度低、鲁棒性弱，关键技术亟待突破。近十年来，实验室聚焦三维对象的新颖表示与智能重建研究，建立了几何与外观采样重建的联合优化理论方法，实现了复杂物体几何与外观的稀疏采样和高精度重建；提出了三维场景的紧致高斯表示与实时SLAM方法，实现了大规模场景几何与外观的实时扫描重建；创新了三维人脸的高斯混合形状表示，实现了高保真数字人的高实时动画生成。本次报告将回顾分析上述工作的研究思路，探讨三维重建技术的未来发展趋势。 |
|
|
报告人简介：周昆，浙江大学计算机学院教授，国际计算机学会会士（ACM Fellow），国际电气与电子工程师协会会士（IEEE Fellow）。2002年获浙江大学工学博士学位，2007年入选教育部长江学者特聘教授，2008年获得国家杰出青年科学基金，现任浙江大学计算机辅助设计与图形系统全国重点实验室主任。研究领域为计算机图形学、计算机视觉、人机交互和虚拟现实。在ACM/IEEE Transactions上发表论文100余篇，获发明专利80余项。获得国家自然科学奖二等奖2项、陈嘉庚青年科学奖、科学探索奖、中国计算机图形学杰出奖、亚洲图形学会杰出技术贡献奖、MIT TR35、ACM SIGGRAPH时间检验奖等国内外奖项。 |
 |
| 特邀报告4：Neural Volumetric Videos: Past, Present and Future |
|---|
|
特邀讲者：上海科技大学 虞晶怡教授
|
|
|
报告题目：Neural Volumetric Videos: Past, Present and Future |
|
|
报告人简介：虞晶怡教授，OSA Fellow，IEEE Fellow，ACM杰出科学家，智能感知与人机协同教育部重点实验室主任。他于2000年获美国加州理工学院（Caltech）双学士学位，2005年获美国麻省理工学院（MIT）博士学位。现任上海科技大学副教务长、信息科学与技术学院教授、执行院长。虞教授长期从事计算机视觉、计算成像、计算机图形学、生物信息学等领域的研究工作，并先后获得美国国家科学基金杰出青年奖（NSF CAREER Award），美国空军研究院杰出青年奖 (AFOSR YIP Award)，白玉兰纪念奖。在智能光场研究上，他拥有十余项国际PCT专利，已广泛应用于智慧城市、数字人、人机交互等场景。他曾经担任IEEE TPAMI、IEEE TIP等多个顶级期刊编委，并担任国际人工智能顶会CVPR 2021和ICCV 2027的程序主席、ICCV 2025的大会主席。他是达沃斯世界经济论坛（WEF）“全球议程理事会”理事。 |
 |
| 特邀报告5：变革前夜的3D打印市场呼唤新一代CAM软件 |
|---|
|
特邀讲者：拓竹科技 陶冶
|
|
|
报告题目：变革前夜的3D打印市场呼唤新一代CAM软件 |
|
|
报告摘要：传统的3D打印软件仅仅对模型做几何上的逐层理解，这也是它们被称之为切片软件的由来。切片软件在过去15年都在做渐进性的改进，良好的打印效果依赖于模型设计对3D打印工艺的优化，还有用户对几十个高纬度的参数空间的依赖经验和试错的调优。2023-2024年，随着新厂商的破局，3D打印逐步走进更广泛的个人市场，短短两年时间，活跃用户从百万往千万跃进。整个市场的耗材消耗量在两年时间内增长了一个数量级。行业突破同时暴露出来的问题就是大量的个人用户很难对高维参数空间做调整。随着个人市场的爆发同时诞生了面向批量生产的专业3D打印农场，市场保有量在一年时间突破10万台量级。这些用户对打印时间、成功率、耗材使用率哪怕1%的优化都有着强烈的需求。所有这一切都在呼唤新一代的CAM软件来提高性能和易用度。新一代3D打印的CAM除了几何上的切片和路径规划，还需要增加对模型/应用场景的整体性理解，包括在3D而不是准2D层面对模型做特征识别，力学分析。同时建立打印过程中的物理过程模拟，包括流变，热力学，静力学。对于高纬度参数空间的优化，传统的基于规则和经验的算法也走到了自己的极限，呼唤新的模式。整个CAM软件会是一个跨越多学科的系统工程，本报告希望通过和大家探讨行业应用上遇到的具体问题来引发讨论，研究和合作。 |
|
|
报告人简介：陶冶，2006年本科毕业于中国科大天文与应用物理系，2012年于德国Jacobs大学获得博士学位，现任深圳拓竹科技CEO。2012年博士毕业归国后陶冶加入了大疆创新，从一名工程师开始，历任动力系统部门经理、Mavic pro产品经理、大疆消费级无人机事业部负责人。他亲历了一个深圳小厂如何在夹缝中艰难生存下来，又如何一步一步赢得全球竞争的艰苦历程。2020年陶冶加入了IDG资本，从投资人的角度观察过许多中国初创企业的成长之路。之后又同当年一起奋斗过的战友一起创立了深圳拓竹科技，回到了科技产业升级的第一线，致力于3D打印的普及化。 |
 |
| 特邀报告6：鸿蒙OS图形技术的应用与挑战 |
|---|
|
特邀讲者：华为2012实验室图形技术管理团队主任 郑士胜
|
|
|
报告题目：鸿蒙OS图形技术的应用与挑战 |
|
|
报告摘要：介绍在AIGC背景之下华为公司在图形业务的一些思考，重点鸿蒙操作系统上图形技术相关的系统UX、移动游戏和媒体编创等应用场景下的图形体验以及标准研究趋势，华为当前商用和研究的现状以及所面临的关键技术挑战。报告最后发布鸿蒙操作系统图形领域的TOP技术难题，希望学术界了解和后续开展探讨合作。 |
|
|
报告人简介：郑士胜，华为2012实验室图形技术管理团队主任，媒体技术管理委员会成员，负责XR和图形等业务关键技术的研究与开发，多年图像、图形领域研发经验，并且多项关键技术成果应用于华为实际产品。 |
 |
| 特邀报告7：计算可视媒体：从规则启发、数据驱动到深度学习 |
|---|
|
特邀讲者：清华大学 胡事民院士
|
|
|
报告题目：计算可视媒体：从规则启发、数据驱动到深度学习 |
|
|
报告摘要：人类获取信息的80%以上来自视觉，我们将承载视觉信息的媒体类型称为可视媒体，包括图像、视频与三维几何。可视媒体的计算强调图形学与视觉感知、图像视频处理和几何学的结合，为人类研究现实世界提供重要手段，蕴涵着无数影响人们生活和工作方式的应用。本报告从可视媒体智能处理的视角，分析从数据驱动到深度学习的发展脉络，介绍清华大学图形学与几何计算实验室在过去20年围绕计算可视媒体的研究历程，以及最近在深度学习骨干网络方面、计图深度学习框架及大模型推理训练的新进展。 |
|
|
报告人简介：胡事民，清华大学计算机科学与技术系教授，中国科学院院士、IEEE Fellow。主要研究方向为计算机图形学、几何计算、人工智能等。在ACM TOG/SIGGRAPH、IEEE TPAMI、IEEE TVCG、IEEE CVPR、NeurIPS等重要刊物和国际会议上发表论文100余篇，带领团队研制并开源了深度学习框架计图(Jittor)。现为中国计算机学会副理事长，并担任Computational Visual Media主编和CAD、Computer & Graphics和JCST等多个期刊编委。 |
 |