2019年12月13日，由浙江大学CAD&CG国家重点实验室主办的“计算机辅助设计与图形学学科战略研讨会”在浙江大学紫金港校区举行，浙江大学潘云鹤院士、北京航空航天大学赵沁平院士、浙江大学鲍虎军教授、中国科学技术大学吴枫教授、北京理工大学王涌天教授、北京大学陈宝权教授、查红彬教授、清华大学刘永进教授、微软亚洲研究院首席研究员童欣博士、浙江大学胡伟飞研究员、浙江大学陈为教授11位专家学者进行了特邀报告。
浙江大学CAD&CG国家重点实验室主任周昆教授主持研讨会并宣布研讨会开幕。周昆教授指出，当前人工智能浪潮对图形学和辅助设计学科提出了新的挑战，已成为学术界和工业界的关注焦点。他对各位专家学者的到来表示欢迎，并祝愿本次研讨会的举办启发各位参会者取得新的成就。“视觉知识”的概念与人类认知密切相关，在未来人工智能发展中有着巨大潜力与革命性作用，国家新一代人工智能战略咨询委员会组长、原中国工程院常务副院长潘云鹤院士在演讲中阐明了“视觉知识”的概念。潘云鹤院士强调，传统的基于符号的推理，以及当下流行的深度神经网络都不能完全反映人类对视觉对象的认知，因此视觉概念和视觉知识有助于人工智能的新发展。视觉概念以认知心理学的研究成果为基础，它和人类感知视觉形象时大脑中记忆的位置、大小、空间关系等要素相一致。视觉概念通过典型-范畴的结构来表示，能够进行推理和变换操作。视觉概念可以在时间和空间上组成命题，并通过时空两个方面形成视觉叙事。视觉知识有广泛的应用前景，如数据生成、辅助三维重建、提供设计资源等。”最后，潘院士展望了集全球相关领域科研工作者之力、构建视觉知识词典的工作，此工作将把人工智能推向新的高潮。虚拟现实作为未来的计算模式、显示模式、支撑各行各业的新技术平台、娱乐的主要模式有着广阔的发展前景，教育部科技委主任、中国工程院赵沁平院士的演讲展望了虚拟现实的发展趋势。对于分析具体趋势，赵沁平院士的演讲提出了两个角度，分别为专利申请方面，以及技术和社会需求方面。从专利申请方面来看，我国的虚拟现实技术发展迅速，目前已达到世界一流水平，但还面临缺乏龙头企业、缺乏竞争力、各子领域技术发展不平衡等问题，需要从业者注意和努力。从技术方面来看，有下列几个方面是虚拟现实发展的趋势：一是虚拟现实的深度逼真，二是实现高度自然的交互，三是实现虚拟现实的智能化，四是与其他新技术新领域结合，五是虚拟人体的构建。
浙江大学鲍虎军教授概括从主观世界到客观世界的沉浸式虚拟融合技术框架，提出其关键问题在于自然交互、精准感知、精准注册、舒适呈现，并阐述其核心研究内容。根据移动端实际性能的问题，指出云计算高速网络提供了可解决方案：通过云-端结合，计算能力显著提升，实时智能的获取和计算模拟成为可能，系统性能和逼真性大幅提升。最后鲍虎军教授介绍了以此催生的数字孪生（Digital Twin）和其广阔的实际应用场景。
中国科学技术大学吴枫教授从跨尺度脑成像、脑数据分析对类脑智能进行阐述。他指出类脑智能是人工智能发展的一个重要途径，介绍了类脑智能发展面临的很多挑战，并展示了其理论和技术突破，结合深度学习和传统方法，实现高效的大尺寸脑片图像中神经元胞体的自动分割，设计了渐进式的无监督学习方法，自动提取神经元信号和结构，实现高质量完整的神经元精细重建。
北京理工大学王涌天教授介绍了在虚拟现实和增强现实头戴显示设备方面的研究成果。采用自由曲面光学和波导光学元件，实现了穿戴无扰化的超轻薄光学透视式头戴显示系统；用自由曲面多通道拼接方法进一步增大视场角，解决了视场角和分辨率光学相互制约的矛盾，以及传统拼接方法中存在的视点畸变问题，实现了成像高清化的大视场头戴显示系统；用多焦面、光场和全息显示技术克服人眼视疲劳，实现了呈现舒适化的真三维头戴显示系统。
北京大学陈宝权教授介绍了在三维传感、三维重建、三维视觉智能三个层次上的研究工作。在三维重建层次上，研究者面临着复杂场景下传感器数据缺失的欠采样问题，必须通过额外先验信息弥补数据缺失，如对象的几何规则、种类及其关联数据库。通过机器人的在线规划可以构造采集信息与三维重建之间的信息闭环，获得更好的三维重建效果。在三维视觉智能层次上，通过在卷积层前预处理点云保持其特征的空间不变性，从而直接处理点云数据。最后，陈宝权教授指出了机器人与三维场景的深度交互在提升视觉智能上的巨大潜力。北京大学查红彬教授介绍了基于数据流的SLAM方法。传统SLAM方法过度依赖像素级别匹配并且对传感器数据的时间关联性不足，因此具有累积误差过大、跟踪鲁棒性较差计算成本过高的缺陷。数据流方法将SLAM问题抽象为一个通过历史传感器数据流构造预测器的在线监督学习，以新的传感器信息本身为预测器的监督信号，以全局地图提供正则化约束，从而增量式构建三维地图和高效计算传感器轨迹。清华大学刘永进教授介绍了情绪在计算机图形学与媒体处理领域中许多不同的应用场景。对于情绪识别问题可以利用不同的方法处理，通过传统的方法将各电极通道的EEG信号独立处理识别分类，也可采用高效的机器学习算法进行情绪分类。最后刘永进教授提出了通道之间关联的、基于多通道脑电信号的情绪识别方法，包括稀疏图卷积神经网络和基于注意力机制+域判别器的LSTM网络，该方法可解决面向图形应用的多通道脑电信号情绪识别问题。微软亚洲研究院首席研究员童欣博士介绍了深度神经网络在图形学技术中的应用。神经网络在图形学有着作为紧致表达、近似函数以及反向优化三种应用途径，同时也面临着诸多挑战，包括如何获得高质量的三维数据，如何以合适的方式去表达合法的图形所在的空间，如何实现用户在三维空间的交互等。最后，童欣博士阐述了当代整个软件行业受到深度学习冲击的大背景下，对科研工作的机会与价值的个人理解。浙江大学胡伟飞研究员介绍了作为智能制造的关键问题的制造物理世界与信息世界的交互共融。他首先引出了一种充分利用模型、数据、算法并集成多学科的数字孪生（Digital Twin）技术，同时就这一技术的国内外的一些研究现状和当前数字孪生理论与技术研究进展，总结数字孪生在复杂装备全生命周期中应用需要解决的关键问题。最后胡伟飞研究员以复杂服役环境下大型风力发电机数字孪生系统与地下工程装备数字孪生系统构建为例，进一步阐述复杂装备数字孪生系统构建关键技术，并对复杂装备环境耦合建模仿真、信息物理融合分析、全生命周期性能预测与优化等数字孪生研究方向进行探讨。
浙江大学陈为教授从“初心、使命、十年、展望”四个角度对此次报告进行阐明；“初心”：可视化和可视分析是人类理解数据的导航仪，通过这一手段更加清晰的展示数据内在的规律和结构，增强理解和分析效率；“使命”：分析了各领域中对可视化技术的重视程度，未来可视化技术在不同领域会有更多的需求；“十年”：展示了华人在可视化领域的研究飞速发展，可视化需求在这十年内的剧增；最后“展望”：陈为教授提出可视化+、智能+、Vis+AI，从用户、数据、智能三者的角度，探讨了可视化在未来的数据智能计算时代的新的角色，展望大数据可视化理论与应用的趋势。
[时间:2019-12-20 15:17 点击:
次]
地址：中国·浙江·杭州·余杭塘路866号(310058)
Copyright © 浙江大学CAD&CG国家重点实验室
浙ICP备05074421
