GAMES Webinar 2022 – 236期(采样与降噪) | 邓僖(康奈尔大学)，郑少锟(清华大学)

【GAMES Webinar 2022-236期】(渲染专题-可微渲染与散射理论)

报告嘉宾：邓僖(康奈尔大学)

报告时间：2022年7月7号星期四晚上8:00-8:20（北京时间）

报告题目：Path graphs: iterative path space filtering

报告摘要：

在有复杂光路的场景渲染中，非直接光照的准确估计能有效提高场景渲染的真实感，例如，白天由自然光照明的室内场景。但是，非直接光照有着光路长、难以对其光强进行重要性采样的特点。为了从极为有限的光路样本中提取更有效的场景光照信息，我们提出了一种新的光路重用方法，该方法以迭代的方式细化和改进整个场景的光照辐射估计，可以有效地在每像素一个样本的条件下估计全局光照。

讲者简介：

2016年本科毕业于南京航空航天大学，2019年硕士毕业于达特茅斯学院，硕士导师 Wojciech Jarosz，现康奈尔大学计算机图形学三年级博士生，博士导师 Steve Marschner，目前正从事基于物理的渲染、可微分渲染、以及用可微分渲染进行三维重建的研究。论文主要发表在SIGGRAPH 和 SIGGRAPH Asia上。是SIGGRAPH、SIGGRAPH Asia、CGF 的审稿人，曾获得Booking.com, Adobe Research Fellowship 等研究型奖学金。

讲者个人主页：https://www.cs.cornell.edu/~xideng/

报告嘉宾：郑少锟(清华大学)

报告时间：2022年7月7号星期四晚上8:20-8:45（北京时间）

报告题目：Ensemble Denoising for Monte Carlo Renderings

报告摘要：

近年来，研究者们提出了各种针对蒙特卡洛渲染的降噪方法，每种方法各有不同优缺点和应用场景。本次报告中，我将介绍我们的工作——集成降噪。这是一种基于优化的技术，能够结合多个已有降噪器。我们将集成降噪图像建模为各单一降噪器输出图像的逐像素加权和，通过求解所得带约束二次规划问题最小化最终图像的MSE，实现比组合中任意单一降噪器更好的降噪效果。该方法有良好的理论特性；此外，详尽的实验也证明其在实践中的有效性和鲁棒性。

讲者简介：

郑少锟目前是清华大学计算机系二年级博士生，导师是徐昆老师。他也在2020年从该系获得学士学位。他的主要研究方向包括蒙特卡洛降噪和高性能渲染系统。他曾以第一和第二作者分别在SIGGRAPH Asia和TVCG发表研究论文。

主持人简介：

过洁，南京大学计算机科学与技术系、软件新技术国家重点实验室副研究员。2013年毕业于南京大学，获得博士学位。目前主要研究方向为真实感绘制、实时绘制、复杂材质分析建模以及虚拟现实技术等。发表学术论文60余篇，包括计算机图形学领域顶级会议/期刊SIGGRAPH/SIGGRAPH ASIA、IEEE TVCG，视觉领域顶级会议CVPR、ICCV、ECCV 等。

主持人主页：http://www.njumeta.com/

GAMES主页的“使用教程”中有 “如何观看GAMES Webinar直播？”及“如何加入GAMES微信群？”的信息；
GAMES主页的“资源分享”有往届的直播讲座的视频及PPT等。
观看直播的链接：http://webinar.games-cn.org