来源 CG世界
“ 感知技术 · 感触CG · 感受艺术 · 感悟心灵 ”中国很有影响力影视特效CG动画领域自媒体

这是最近fxguide发布的一篇文章，介绍了NVIDIA在CG领域研究的一些成果和论文演示，涉及动画、渲染、VR眼镜、神经渲染。下面为大家翻译出来仅供大家学习参考。

NVIDIA正在与14所大学的顶尖学术研究人员合作，将会在8月8日至11日SIGGRAPH 2022上发表16篇研究论文。这些研究涵盖内容创建、虚拟现实、实时渲染和三维模拟等几个方面，目的是解决图形学中最棘手的一些问题。

例如，NVIDIA在图形学方面的学术合作产生了一种强化学习模型，可以平滑地模拟动作、用于虚拟现实的超薄全息眼镜，以及用于隐藏光源照明的对象的实时渲染技术。下面我们一个一个来介绍下。

多技能模拟角色的神经工具

当强化学习模型用于开发基于物理的动画角色时，人工智能通常一次只学习一种技能：走路、跑步，或者侧身翻。但来自加州大学伯克利分校、多伦多大学和NVIDIA的研究人员现在创建了一个框架，可以让人工智能自己学习一整套技能，比如下面展示的这个战士角色，他可以挥剑、使用盾牌，并在摔倒后重新站起来。

为动画角色制作平滑、逼真的动作通常是乏味且劳动密集型的，开发者们从零开始为每个新任务训练人工智能。研究团队允许强化学习人工智能重用之前学习的技能，以应对新场景，提高效率，减少对额外运动数据的需求。这些工具可供动画、机器人、游戏和治疗学领域的创作者使用。

在SIGGRAPH，NVIDIA的研究人员还将展示有关3D神经工具的论文，这些工具用于从点云和交互式形状编辑进行表面重建，以及用于人工智能的2D工具，以更好地理解矢量草图中的间隙，并提高延时视频的视觉质量。

轻量化VR眼镜

大多数虚拟现实用户通过戴上笨重的头戴式显示器来访问3D数字世界，但研究人员正在研究类似标准眼镜的轻质替代品。

NVIDIA和斯坦福大学的研究人员合作，将3D全息图像所需的技术整合到一个只有几毫米厚的可戴显示器中。2.5毫米显示屏的尺寸不到其他薄VR显示屏（称为煎饼透镜）的一半。它使用的是一种称为折叠光学的技术，只支持2D图像。

研究人员通过将显示质量和显示尺寸当做一个计算问题，并用人工智能驱动的算法共同设计光学元件，完成了这一壮举。

虽然之前的VR显示器需要放大目镜和显示面板之间的距离来创建全息图，但这种新设计使用了空间光调制器，是一种可以在用户眼前创建全息图的工具，所以不需要这个间隙距离。附加组件——瞳孔复制波导管和几何相位透镜——进一步减少了设备的体积。

这是斯坦福大学和NVIDIA在会议上进行的两次虚拟现实合作之一，第二篇论文提出了一种新的计算机生成全息框架，这个框架可以在优化带宽使用的同时提高图像质量。第三篇论文是纽约大学和普林斯顿大学科学家合著的显示和感知研究领域，研究的是渲染质量如何影响用户对屏幕信息的反应速度。

灯泡时刻：实时光照复杂性的新高度

实时准确地模拟场景中的光线路径一直被认为是图形学的“圣杯”。在犹他大学的一篇论文中，介绍了复杂场景的实时重采样算法。

在昏暗环境的桌子上放一个玻璃花瓶，这时屋外的路灯亮起产生间接照明，这是一个复杂的3D问题。光滑的表面产生了一条长光线路径，光线在光源和观察者之间多次反弹。对于像游戏实时应用程序来说，计算这些光路径通常过于复杂，所以通常都是用于电影或其他离线渲染应用程序才能把上面的场景渲染真实。

SIGGRAPH论文重点介绍了统计重采样技术的使用，其中算法在跟踪这些复杂光线路径的同时重复计算数千次，在渲染过程中实时有效地逼近光路径。研究人员将算法应用于计算机图形学中一个经典的具有挑战性的场景，如图所示：一组由金属、陶瓷和玻璃制成的间接照明茶壶。

更多精彩图片 请登录

NVIDIA在SIGGRAPH发表的相关论文包括一种用于反向体绘制的新采样策略；一种用于2D形状操纵的新数学表示；用于创建具有改进的渲染均匀性的采样器软件和其他应用程序；还有一种将有偏渲染算法转化为更有效的无偏渲染算法的方法。

神经渲染：NeRFs、GANs 为合成场景提供动力

这个技术我们曾单独介绍过。这是一个叫Instant NeRF技术，过程叫做反向渲染，它使用人工智能近似光在现实世界中的行为，从不同角度拍摄的少量二维图像重建三维场景。点击下面图片穿越回顾，这里就不再赘述。

更多精彩图片 请登录

好家伙！几秒钟内把照片变成3D场景

NVIDIA在全球有300多名研究人员，团队专注于人工智能、计算机图形学、计算机视觉、自动驾驶汽车和机器人技术等主题。

看多了这种，有时候感觉好着急，感觉被人家落下好远好远，但又无能为力。哦，是我想多了！我只是个小编，不是科学家~小伙伴们加油！

更多精彩图片 请登录

更多精彩图片 请登录

原文链接：https://www.fxguide.com/quicktak ... 16-siggraph-papers/


全文完
原文链接：         https://mp.weixin.qq.com/s/AVxsFHKpU3gAD78hj8Komg

来源 CG世界
“ 感知技术 · 感触CG · 感受艺术 · 感悟心灵 ”中国很有影响力影视特效CG动画领域自媒体

这是最近fxguide发布的一篇文章，介绍了NVIDIA在CG领域研究的一些成果和论文演示，涉及动画、渲染、VR眼镜、神经渲染。下面为大家翻译出来仅供大家学习参考。

NVIDIA正在与14所大学的顶尖学术研究人员合作，将会在8月8日至11日SIGGRAPH 2022上发表16篇研究论文。这些研究涵盖内容创建、虚拟现实、实时渲染和三维模拟等几个方面，目的是解决图形学中最棘手的一些问题。

例如，NVIDIA在图形学方面的学术合作产生了一种强化学习模型，可以平滑地模拟动作、用于虚拟现实的超薄全息眼镜，以及用于隐藏光源照明的对象的实时渲染技术。下面我们一个一个来介绍下。

多技能模拟角色的神经工具

当强化学习模型用于开发基于物理的动画角色时，人工智能通常一次只学习一种技能：走路、跑步，或者侧身翻。但来自加州大学伯克利分校、多伦多大学和NVIDIA的研究人员现在创建了一个框架，可以让人工智能自己学习一整套技能，比如下面展示的这个战士角色，他可以挥剑、使用盾牌，并在摔倒后重新站起来。

为动画角色制作平滑、逼真的动作通常是乏味且劳动密集型的，开发者们从零开始为每个新任务训练人工智能。研究团队允许强化学习人工智能重用之前学习的技能，以应对新场景，提高效率，减少对额外运动数据的需求。这些工具可供动画、机器人、游戏和治疗学领域的创作者使用。

在SIGGRAPH，NVIDIA的研究人员还将展示有关3D神经工具的论文，这些工具用于从点云和交互式形状编辑进行表面重建，以及用于人工智能的2D工具，以更好地理解矢量草图中的间隙，并提高延时视频的视觉质量。

轻量化VR眼镜

大多数虚拟现实用户通过戴上笨重的头戴式显示器来访问3D数字世界，但研究人员正在研究类似标准眼镜的轻质替代品。

NVIDIA和斯坦福大学的研究人员合作，将3D全息图像所需的技术整合到一个只有几毫米厚的可戴显示器中。2.5毫米显示屏的尺寸不到其他薄VR显示屏（称为煎饼透镜）的一半。它使用的是一种称为折叠光学的技术，只支持2D图像。

研究人员通过将显示质量和显示尺寸当做一个计算问题，并用人工智能驱动的算法共同设计光学元件，完成了这一壮举。

虽然之前的VR显示器需要放大目镜和显示面板之间的距离来创建全息图，但这种新设计使用了空间光调制器，是一种可以在用户眼前创建全息图的工具，所以不需要这个间隙距离。附加组件——瞳孔复制波导管和几何相位透镜——进一步减少了设备的体积。

这是斯坦福大学和NVIDIA在会议上进行的两次虚拟现实合作之一，第二篇论文提出了一种新的计算机生成全息框架，这个框架可以在优化带宽使用的同时提高图像质量。第三篇论文是纽约大学和普林斯顿大学科学家合著的显示和感知研究领域，研究的是渲染质量如何影响用户对屏幕信息的反应速度。

灯泡时刻：实时光照复杂性的新高度

实时准确地模拟场景中的光线路径一直被认为是图形学的“圣杯”。在犹他大学的一篇论文中，介绍了复杂场景的实时重采样算法。

在昏暗环境的桌子上放一个玻璃花瓶，这时屋外的路灯亮起产生间接照明，这是一个复杂的3D问题。光滑的表面产生了一条长光线路径，光线在光源和观察者之间多次反弹。对于像游戏实时应用程序来说，计算这些光路径通常过于复杂，所以通常都是用于电影或其他离线渲染应用程序才能把上面的场景渲染真实。

SIGGRAPH论文重点介绍了统计重采样技术的使用，其中算法在跟踪这些复杂光线路径的同时重复计算数千次，在渲染过程中实时有效地逼近光路径。研究人员将算法应用于计算机图形学中一个经典的具有挑战性的场景，如图所示：一组由金属、陶瓷和玻璃制成的间接照明茶壶。

更多精彩图片 请登录

NVIDIA在SIGGRAPH发表的相关论文包括一种用于反向体绘制的新采样策略；一种用于2D形状操纵的新数学表示；用于创建具有改进的渲染均匀性的采样器软件和其他应用程序；还有一种将有偏渲染算法转化为更有效的无偏渲染算法的方法。

神经渲染：NeRFs、GANs 为合成场景提供动力

这个技术我们曾单独介绍过。这是一个叫Instant NeRF技术，过程叫做反向渲染，它使用人工智能近似光在现实世界中的行为，从不同角度拍摄的少量二维图像重建三维场景。点击下面图片穿越回顾，这里就不再赘述。

更多精彩图片 请登录

好家伙！几秒钟内把照片变成3D场景

NVIDIA在全球有300多名研究人员，团队专注于人工智能、计算机图形学、计算机视觉、自动驾驶汽车和机器人技术等主题。

看多了这种，有时候感觉好着急，感觉被人家落下好远好远，但又无能为力。哦，是我想多了！我只是个小编，不是科学家~小伙伴们加油！

更多精彩图片 请登录

更多精彩图片 请登录

原文链接：https://www.fxguide.com/quicktak ... 16-siggraph-papers/


全文完
原文链接：         https://mp.weixin.qq.com/s/AVxsFHKpU3gAD78hj8Komg