又到了和大家分享SIGGRAPH技术论文（一年一度的“什么都说不明白但是坚持要说”环节）的时候了。
SIGGRAPH Technical Papers项目是全世界传播计算机图形学和互动技术学术作品的重要途径，参与这个项目的技术论文内容涵盖多种主题，都是围绕如何创建和理解图像、角色、环境及体验而展开的，都无一例外地散发着创新力和想象力的高贵气息。这些论文会遵循科学完整性的最高标准接受双盲审过程，入选的论文将作为《ACM Transactions on Graphics》的特刊发布。受疫情影响，SIGGRAPH 2020大会将采取线上举行的方式，主题为“Think Beyond（超越思维）”。
SIGGRAPH 最近发布了这个项目的最新预告片《SIGGRAPH2020：技术论文预览》，其中一部分论文已经可以在网上找到了，当然还有一些论文尚未公布。下面咱们就来分享下预告片中都出现了那些创新技术吧。
《使用基于块的少量镜头训练交互式视频风格化》
Interactive Video Stylization Using Few-Shot Patch-Based Training
论文地址：https://arxiv.org/pdf/2004.14489.pdf
这是由布拉格捷克理工大学电气工程学院和Snap Inc.的8位研究人员发布的研究成果。他们为基于关键帧的视频提供了一种基于学习的风格化方法，艺术家可以将选定的关键帧样式应用到视频其他部分，实时制作个人外观。
这种方式的主要优势在于最终的风格化具有语义意义，也就是可以根据艺术家的想法对移动对象的特定部分进行风格化操作。与之前的风格迁移技术相比，这种方法既不需要冗长的预训练过程，也不需要庞大的训练数据集。
《MEgATrack：用于虚拟现实的单色自我中心铰接式手部跟踪》
MEgATrack：Monochrome Egocentric Articulated Hand-Tracking For Virtual Reality
通过使用四个鱼眼单色相机的系统，可以跟踪人在空气当中的手部动作，从而完成对方块的分类操作。
《弹性测地线网格及其在平面到空间上的部署》On Elastic Geodesic Grids And Their Planar To Spatial Deployment
使用巧妙的铰链设计，可以将扁平的细条状柔性长条变形为复杂的3D结构，然后再将其展平。
《纱线级别布料效果均质化》Homogenized Yarn-Level Cloth
http://pub.ist.ac.at/group_wojtan/projects/2020_Sperl_HYLC/2020_HYLC_paper.pdf
这是由奥地利科技学院和印度理工学院德里分校的3位研究人员发布的研究成果。他们提出了一种使用薄壳求解器对纱线级别布料效果设置动画的方法，是通过数值均质化来实现的。首先使用大量的纱线级别（例如纺织面料和针织面料）模拟效果来创建布料的潜在能量密度模型，然后使用此能量密度函数在薄壳模拟器中计算力。模型忠实地再现了纺织面料的刚度和针织面料的高度可变性和各向异性。这种方法完全基于模拟，可快速生成全新的材料模型，无需测试设备或人工干预。
《Robust Motion In-Betweening》
该算法通过对稀疏3D姿势序列进行插值，可产生平滑的复杂运动，艺术家可对其进行控制。
《约束气泡和仿射区域：有效浸入气泡和灵活空间粗化的简化流体模型》
Constraint Bubbles And Affine Regions：Reduced Fluid Models For Efficient Immersed Bubbles And Flexible Spatial Coarsening
https://cs.uwaterloo.ca/~c2batty/papers/Goldade2020/reduced_fluids.pdf
这是由加拿大滑铁卢大学和美国罗格斯大学的3位研究人家发布的研究成果。他们通过两个新模型（基于约束的气泡和仿射流体区域）对浸入气泡的有效支持来增强标准自由表面流动模拟器的功能。这种仅在表面处理的方法很容易实现，可以真实地捕捉到许多类似的气泡行为，甚至允许两种或多种不同液体在完全未模拟的空气中正确交互。研究人员使用每个气泡的体积跟踪和校正框架来扩展此模型，以最大程度地减小逐渐体积漂移所累积的影响。
Incremental Potential Contact：Intersection-And Inversion-Free，Large-Deformation Dynamics
一种管理非线性可变形物体动力学的方法，可以类似多毛的弹性玩具弹向墙壁。
《人像阴影处理》
Portrait Shadow Manipulation
https://arxiv.org/pdf/2005.08925.pdf
这是由加州大学伯克利分校、Google、Google Research和麻省理工学院的7位研究人员发布的研究成果。在随意环境中随意拍摄的人物照片的光线效果通常都不太理想，例如阴影的位置和柔和度、脸部明暗部分之间的光比一般是由环境决定的，并不是由摄影师决定的。研究人员提供了一种计算方法，可以让摄影师来控制照片的阴影和光线，即使拍照时面部光线不足，拍照之后也能拥有可调节且真实的光照效果。
他们的方法依赖于一对神经网络，一个用来去除外部物体投射的外来阴影，另一个用来柔化由对象特征投射的面部阴影，并添加合成的填充光以提高光比。为了训练第一个网络，他们创建了真实人像的数据集，其中将合成的外部阴影渲染到面部，以此证明网络学会了去除不需要的阴影。为了训练第二个网络，他们使用了人物Light Stage扫描数据集来构建由小光源强光照射的输入图像的输入/输出对，以及每张面部可变的柔和补光输出图像。他们还提出了一种显示编码面部对称性的方法，表明其数据集和训练过程使该模型可以在夜外拍摄的图像上使用。这些网络都可以使拍摄人像的阴影和光线更加真实和美观。
《具有双向耦合的快速可扩展湍流模拟》Fast And Scalable Turbulent Flow Simulation With Two-Way Coupling
http://www.geometry.caltech.edu/pubs/LCDZL20.pdf
这是由上海科技大学和哥伦比亚大学的5位研究人员发布的研究成果。他们提出了一种低耗散、低分散的流体模拟方法，可以很好的支持层流和高湍流模拟，以高效稳定的方式模拟双向流固耦合。
与大多数当前的CG方法形成鲜明对比，这种方法是根据统计力学得出的流体动力学公式创建求解器的。与现有的格子玻尔兹曼（Lattice Boltzmann）求解器不同，它将高阶矩松弛作为控制所得结果耗散和分散的关键。此外，研究人员将新的流体求解器与浸入边界法结合在一起，通过时间自适应轻松处理流固耦合。他们的动力学求解器本质上是高度可并行化的，非常适合在单GPU或多GPU计算平台上运行。
《Carl：用于四足运动的具有增强学习的可控代理》Carl：Controllable Agent With Reinforcement Learning For Quadruped Locomotion
https://arxiv.org/pdf/2005.03288.pdf
这是由Inventec Corp.和Skywatch Innovation Inc.的4位研究人员发布的研究成果。就角色动画制作而言，动态环境中的运动合成一直是个问题，对捕捉物体和标记点的高要求使运动捕捉数据无法在复杂环境中得到很好的应用和扩展。尽管基于物理的控制器在这方面比较有效，但其可控性较差。
这篇论文介绍了Carl，四足动物代理，可以通过高级指令进行控制，对动态环境做出自然反应。从模仿单个动画片段的代理开始，研究人员使用Generative Adversarial Networks（生成对抗网络）来使高级控件（例如速度和行进方向）适应与原始动画相对应的动作分布。通过深度强化学习的进一步微调，代理可以从看不见的外部扰动中恢复，同时产生平稳的过度。在整个过程中添加导航模块就可以在动态环境中直接创建自主代理。
《AnisoMPM：动画各向异性损伤力学》AnisoMPM：Animating Anisotropic Damage Mechanics
研究人员提出了一种为各向同性、横向各向同性和正交异性材料动态断裂设置动画的强大通用方法AnisoMPM。AnisoMPM具有三个核心组成部分，各向异性破坏演化技术、各向异性弹性响应方法和耦合方法。
《C-Space Tunnel Discovery For Puzzle Path Planning》
利用配置空间通道的算法来解决由纠缠的刚性形状组成的复杂问题。
《Deepfacedrawing：从草图开始的人脸图像深度生成》
Deepfacedrawing：Deep Generation Of Face Images From Sketches
http://geometrylearning.com/DeepFaceDrawing/imgs/teaser.jpg 这是由中国科学院计算技术研究所和香港城市大学的5位研究人员发布的研究成果。深层图像到图像转换技术可以使人们从素描草图中快速生成人脸图像，但现有的解决方案需要输入专业的草图或edge maps。 为了解决这个问题，研究人员采取了这样的思路，隐式地对合理人脸图像形状空间进行建模，并在该空间中合成人脸图像，尽可能地向输入草图靠拢。研究人员采取从局部到整体的方法，先学习关键面部组成的特征嵌入，然后将输入草图的相应部分向由面部组成样本特征向量定义的基础部分流形靠拢。他们还提到了另一个深度神经网络，用来学习从嵌入的组成特征到多通道特征图的真实图像映射，以此作为中间结果来提高信息流。这种方法本质上是把输入草图用作软约束，这样即使是从粗糙和/或不完整的草图中也能够生成高质量的人脸图像。
《Robocut：机器人控制柔性杆进行热线切割技术》 Robocut：Hot-Wire Cutting With Robot- Controlled Flexible Rods
https://inf.ethz.ch/personal/poranner/papers/hotwirecutter/hotwirecutter.pdf 这是苏黎世联邦理工学院的4位研究人员的研究成果。热线切割是一种用于雕刻泡沫和类似材料的减法制造技术，常规机器依赖于直线，仅产生分段直纹曲面。研究人员提出了一种方法，利用双臂机器人装置在切割材料时主动控制柔性加热杆扫过的形状。虽然这种设置可以提供很大的形状自由度，但想要有效合理地使用，需要并行推理三个紧密耦合的子问题。
第一，以杆的形状和机器人运动控制下扫过平面的方式进行建模；第二，通过由弹性杆的平衡形状扫过的一系列表面近似生成目标形状；第三，生成无碰撞运动轨迹，引导机器人使用可变形工具进行所需的切割工作。 研究人员提出了一种用于机器人热线切割的计算框架，通过统一方式解决了上述三个子问题。
《基于皮肤压力优化的触觉渲染》Tactile Rendering Based On Skin Stress Optimization
http://gmrv.es/Publications/2020/VCO20/Verschoor_SIG2020_final.pdf
研究人员提出了一种渲染虚拟触摸的方法，可以使由触觉设备在用户皮肤上产生的刺激与在虚拟环境模拟中计算出的刺激相匹配。他们借助了一种新的优化算法，解决了从皮肤刺激到设备配置的逆向映射。在该算法中，使用设备皮肤模拟模型来估算渲染得到的刺激，通过将摩擦状态的计算与设备配置优化分离开来，有效地解决了与轨迹相关的影响，并使用设备皮肤模型的神经网络近似来加速计算设备外观模型。
《大规模并行和可扩展的多GPU物质点法》A Massively Parallel And Scalable Multi-GPU Material Point Method
https://yzhu.io/publication/mpmgpu2020siggraph/paper.pdf 研究人员利用现代多GPU架构的强大功能，提出了一种基于物质点法的大规模并行模拟系统，用于模拟经受复杂拓扑变化、自碰撞和大变形的物质物理行为。这个系统有三大关键优势：首先，引入了一种新的粒子数据结构，该结构有利于GPU上的合并内存访问模式，并且在将粒子数据写入网格时消除了对内存层次结构进行复杂原子操作的需要。其次，他们提出了一种使用新的“Grid-to-Particles-to-Grid”（G2P2G）方案的内核融合方法，该方法可以有效地减少GPU内核的启动，改善延迟，显著减少存储粒子数据所需的全局内存量。最后，系统引入了优化的算法设计，允许在共享内存环境中使用高效的稀疏网格，从而将现代多GPU计算平台最佳地用于混合 Lagrangian-Eulerian 的计算模式。
《One Shot 3D Photography》 通过移动设备上处理照片之后，这种算法可以从新颖的视角观看场景图像。
《用于薄型节点物体的简单且可扩展的摩擦接触点》Simple And Scalable Frictional Contacts For Thin Nodal Objects 这项技术利用摩擦对大量碰撞的弹性体进行建模，达到在跑步角色上创建富有光泽头发的效果。
《拉格朗日流体神经风格迁移》Lagrangian Neural Style Transfer For Fluids
http://www.byungsoo.me/project/lnst/paper.pdf 在视觉效果制作中，如何才能艺术性地绘制流体模拟形状、运动和外观效果是非常具有挑战性的工作。研发人员提出了一种可以将图像迁移到拉格朗日视图中3D流体的神经风格迁移方法。与基于网格的技术相比，使用粒子进行风格迁移的方法具有独特优势。属性存储在粒子上，通过粒子运动进行细微迁移，这种方式从本质上确保了优化风格化结构时间的一致性，也可以显著提高生成的质量。这种基于粒子的流体模拟方法，即使在流体运动时也可以将神经纹理应用于其之上。
《IQ-MPM：非粘性强双向非线性固体和流体的界面正交物质点法》IQ-MPM：An Interface Quadrature Material Point Method For Non-Sticky Strongly Two-Way Coupled Nonlinear Solids And Fluids 这是非线性固体和流体双向耦合的一种物质方法，可以用来模拟装满水或橙汁的软球体。
好啦！今天的内容先介绍到这里，可能其中有很多表述不准确的地方，还请大家多多包涵，我们也会持续关注还未公布的论文内容哦。
*文章授权转自微信公众号「CG世界」
