今年,SIGGRAPH 2022 首次设置了最佳论文奖,共有五篇。此外,备受瞩目的最佳博士论文也于近日揭晓。
-
论文链接:https://www.immersivecomputinglab.org/wp-content/uploads/2022/05/siggraph_2022_saccade_latency-2.pdf -
机构:纽约大学、普林斯顿大学、英伟达 -
获奖理由:该研究提出了一个受神经学启发的感知模型来预测人眼反应延迟期,作为在屏幕上被观察图像特征的函数。该模型可以作为预测和改变电子竞技与 AR/VR 应用中反应延迟的指标。
-
论文链接:https://arxiv.org/abs/2202.05822 -
机构:洛桑联邦理工学院(EPFL)、特拉维夫大学、赫兹利亚跨学科研究中心(Reichman University) -
获奖理由:该研究提出了一种在不同抽象级别绘制对象的方法——CLIPasso。其中将草图定义为一组笔画,为了适应基于 CLIP 的感知损失,该研究使用可微光栅化器来优化笔画的参数。抽象程度是通过改变笔画的数量来控制的。
-
论文链接:https://nvlabs.github.io/instant-ngp/assets/mueller2022instant.pdf -
机构:英伟达 -
获奖理由:神经网络作为图形基元的高质量表征出现,如符号距离函数、光场、纹理等。这项研究提出的方法可以在几秒钟内训练这些原语,在几毫秒内将其呈现,同时允许在图形算法的内部循环中使用它们。
-
论文链接:https://arxiv.org/abs/2202.02444 -
机构:多伦多大学 -
获奖理由:这项研究针对神经元隐式曲面,开发了光线投射、最近点、交点检测、空间层次构建等几何查询方法。其关键工具是范围分析,它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,结果查询也能保证准确性。
-
项目链接:https://github.com/sebastianstarke/AI4Animat -
机构:爱丁堡大学、麻省理工学院 -
获奖理由:学习身体动作的时空结构是角色动作合成的一个基本问题。这项研究提出了 Periodic Autoencoder,可以从非结构化的运动数据学习身体运动的时空结构。该网络产生一个多维相流形,有助于增强神经特征控制器和运动匹配的各种任务,包括不同的运动、基于风格的运动、舞蹈音乐或足球运球。
内容中包含的图片若涉及版权问题,请及时与我们联系删除
评论
沙发等你来抢