CCCF专题 | 计算机图形学与人工智能融合

计算机图形学是研究如何在计算机中生成、处理、重构、显示对物理世界的视觉感知与交互的学科，主要包含建模、造型、绘制、动画、仿真、交互、虚拟现实、可视化、图形硬件等相关内容。在学科开创之初，计算机图形学解决的是如何在计算机中“逼真”地表示三维几何图形，研究如何利用计算机进行图形生成、处理和显示的相关原理与算法，生成令人赏心悦目的图像。近15年来，随着算力（以GPU、云计算为代表）的飞速提升，计算机图形学得以快速发展，其应用已不仅限于用数学建模的方式来模拟现实世界并进行渲染和仿真，还可以用来解决如何在计算机中“实时”地生成、处理和快速显示三维物理世界的问题。最近几年，随着人工智能技术的快速发展，计算机图形学开始与人工智能技术融合，进一步面向国家重大需求，解决实际的重大应用问题，并在大数据、5G、云计算高速发展的大背景下，逐渐趋向智能化和自动化。

现阶段，我国正在大力建设“数字中国”，全力推动“数字产业化、产业数字化”，以信息技术为核心的新一轮科技革命正在孕育兴起。在此环境下，新业态、新模式的不断涌现给计算机图形学的发展带来了更进一步的机遇和挑战。数字世界和物理世界的叠加将赋予人们什么样的新场景？计算机图形学将怎样改变未来的产业格局？在三维数字世界中传统行业面临着怎样的挑战？计算机图形学的突破将带来一个怎样的超现实世界？三维数字空间将如何颠覆我们的生活方式？计算机图形学在智能时代面临的最大挑战是什么？本期专题或许可以为这些问题提供一些思考和启发。

国家领导人在G20工商峰会开幕式上指出：“以互联网为核心的新一轮科技和产业革命蓄势待发，人工智能、虚拟现实等新技术日新月异，虚拟经济与实体经济的结合，将给人们的生产方式和生活方式带来革命性变化。”由此可见，虚拟经济需要逐步“脱虚向实”，支撑第一产业和第二产业发展，这样才能真正将产业数字化带动起来。

计算机图形学与人工智能的交融为“虚拟世界”和“物理世界”提供了交互的桥梁，图形学为物理世界提供三维数字化和仿真模拟的技术，而人工智能则通过数据驱动的方式来完成传统方法无法解决的难题，二者的结合可以提升物理世界与虚拟世界的契合度并建立“感知-建模-交互”的闭环，实现“虚”与“实”的融合。

本期专题以计算机图形学与人工智能融合为主题，邀请多位专家从6个专题角度出发，深度探讨人工智能在图形学不同领域中的应用。这6篇专题文章的内容无一不是打破虚拟数字世界和真实物理世界之间壁垒的重要技术。比如，角色动画及仿真技术（文章1《智能角色动画及仿真》）能够为虚拟世界中的角色形象赋能，使其能展现出可比拟真实世界中的人和动物的运动能力和行为方式；而物理模拟（文章2《面向人工智能的高真实感物理仿真》）可以通过赋予虚拟对象除几何形状外的其他物理属性，比如密度、温度、强度等，使虚拟世界中的物体运动符合真实世界的物理定律；同时，虚拟世界的建构需要模拟物体、人体、场景等对象的三维模型与光影效果，这就离不开三维重建技术（文章3《基于神经表示的三维重建建模》）和逼真绘制技术（文章4《基于深度学习的绘制》）。三维重建是通过传感器采集数据并重建三维场景的技术，而绘制技术则通过着色计算、光路模拟和绘制流程来生成三维场景的复杂光影效果，这两者也是虚拟现实、增强现实等众多应用的核心技术之一；此外，相较于传统的三维重建技术，主动式三维感知与交互（文章5《主动式三维感知与交互》）则是面向三维场景，通过视觉感知（包括几何、结构、语义等多层次信息的获取与理解）和交互反馈（包括智能机器人或者虚拟角色在三维空间中的路径导航、触碰抓取等多方面操控的探索与优化），并在两者之间形成一个反馈闭环，达到协同促进的目的；而几何学习（文章6《三维几何学习》）则是上述五个专题的重要基础。几何学习通过数据驱动的方式，从繁杂多变的三维几何数据中学习紧致有效的几何表征，从而为三维造型、三维重建、结构理解、场景生成、物理仿真、加工制造、人机互动等众多应用领域提供可靠高效的表达与分析工具。

以深度神经网络为代表的深度学习在计算机视觉、自然语言处理等领域取得了巨大成功，展示出深度学习强大的表示能力以及广泛的适用范围。将深度学习与计算机图形学进行融合是非常自然的，但同时也颇具挑战性。将深度学习方法融入计算机图形学不仅可以帮助求解传统方法无法解决的难题，还可以提升传统方法的效率。相比于传统计算机图形学算法，人工智能技术可以将人力驱动逐渐转变为数据驱动，将手动算法开发逐渐升级为基于数据分析的自动算法，从而优化现有的计算流程，提高计算机图形学算法及系统的易用性和效率。

然而，将计算机图形学与人工智能技术相结合并不是一件容易的事。第一，图形学算法中往往包含大量“不可微分”的操作，而深度学习则需要通过反向传播与梯度求解来进行迭代更新，这要求研究者将图形学算法“可微化”或是设计更巧妙的训练方法来适应深度学习的这一特点；第二，智能图形学本质上是数据驱动的方法，相比于计算机视觉的任务，图形学的数据制作难度更大，而且大多没有统一的基准，为研究者增加额外的工作量；第三，智能图形学的发展离不开硬件技术的相互融合，在提升算法效率的同时还要与硬件更好地相互支撑来保证算法的落地和实际应用。

本期专题的6篇文章针对上述智能图形学所涉及到的问题和面临的挑战，从不同的方向进行深入剖析，并对现有核心技术和应用成果进行总结，为我们带来用人工智能看待计算机图形学问题的新视角、解决智能图形学关键难题的新思路以及对未来图形学研究的新启发。

“数字中国”这一伟大计划的实现离不开计算机图形学的坚实发展。人工智能技术为我们带来看待计算机图形学的全新视角，图形学与人工智能的融合也必将碰撞出新的火花。可以说，人工智能技术为计算机图形学的发展注入了一剂强心剂，在计算机图形学的多个领域里生根发芽，并将随着两者更加紧密的结合，逐渐开花结果，最终在更多领域中大放异彩。智能图形学将会被越来越广泛地应用于工业基础软件、智能无人系统、智能制造、芯片设计、文物保护和医疗健康等多个行业，为国家的重大需求提供关键技术支撑。本期专题中介绍的几何学习、三维重建、物理模拟、动画与仿真、绘制、感知与交互，都是近期与人工智能技术有着深层次融合的计算机图形学研发方向，相信通过本期专题，读者可以更深刻地理解计算机图形学与人工智能融合对学术研究的突破和产业技术的革新带来的深远影响。

挑战与机遇共存，本期专题的6篇文章围绕智能图形学这一前沿研究方向涉及到的问题和面临的挑战进行深入剖析，并在对现有核心技术进行总结的基础上，探讨未来的发展趋势。我们有理由相信，随着众多研究者的努力探索和整个产业的技术革新，智能图形学可以将计算机图形学与人工智能技术进行更深层次的融合，逐渐构成未来人工智能发展的重要基础；同时打破虚实的壁垒，使其应用范围不再局限于传统的电影、游戏、特效等领域，而是在更加广泛的智能制造、智慧城市等新兴领域里发光发热，最终引领三维数字中国的新变革。

致谢：感谢大连理工大学王元博博士和山东大学汪云海教授在本文的撰写过程中给予的帮助，以及北京大学陈宝权教授和中国科学技术大学刘利刚教授对专题组织提出的宝贵建议。

陈为

CCF杰出会员、CCF CAD&CG专委会秘书长。浙江大学教授，CAD&CG国家重点实验室副主任。主要研究方向为大数据分析和人机混合智能。chenwei@cad.zju.edu.cn

杨鑫

CCF高级会员、CCF CAD&CG专委会副秘书长。大连理工大学教授。大连理工大学学科建设办公室副主任。主要研究方向为计算机图形学与视觉、机器人技术等。xinyang@zju.edu.cn