GAMES Webinar 2026 – 403期(神经渲染与材质重建前沿)
报告嘉宾：丁华铿 浙江大学
报告时间：2026年5月21号 晚上8:00-8:30（北京时间）
报告题目：
Learning View-Dependent Splatting Kernels
报告摘要：
本次报告将分享我们发表于SIGGRAPH 2026的工作。传统的三维高斯泼溅（3DGS）技术依赖基于高斯泼溅核的三维体素图元，难以高效表达场景中的高频信息。现有研究虽尝试手动替换高斯核为其他解析函数以提升性能，但如何自动发现最优泼溅核仍是一个关键问题。目前，基于数据驱动学习泼溅核的方法往往将图元限制为平面形状，或者将其限制为特定的神经网络结构，牺牲了表达的灵活性和准确性。我们提出了一种全新的可微分框架，用于自动学习视角相关的二维泼溅核，作为三维体素图元的隐式表示，并引入了学习到的视角依赖性以提升重建质量。具体来说，该框架通过一个结合图元边界与视角感知的多层感知机（MLP）建模神经3D到2D投影过程，将表示3D核的隐向量转换为表示投影后2D核的隐向量；解码器将隐向量进一步转换为一个基于马氏距离定义的径向对称2D核，作为最终的泼溅形状，并融入标准的3DGS渲染管线。通过同时优化场景参数与MLP，我们自动地学习到每个场景对应的最优泼溅核。在四个标准数据集的测试中，我们的框架在重建质量方面表现出色，优于或接近现有最先进技术，同时展示了卓越的表示效率以及良好的可扩展性。
讲者简介：
丁华铿，浙江大学计算机学院CAD&CG国家重点实验室的二年级硕士生，导师为吴鸿智教授。研究方向为基于可微分渲染的三维重建与材质重建。相关研究成果发表于SIGGRAPH，CVPR，TVCG，其中以第一作者身份发表论文两篇。
个人主页：https://dinghuakeng.github.io/
报告嘉宾：
报告时间：2026年5月21号 晚上08:30-09:00（北京时间）
报告题目：
PureSample: Neural Materials Learned by Sampling Microgeometry
报告摘要：
传统的基于物理的材质模型通常依赖解析推导得到的双向反射分布函数（BRDF）。这类方法一般通过建模微观基元（如微表面、薄片或球体）的统计性质来描述材质外观，有时还需要结合层状结构和多次散射等复杂光传输过程。这些推导往往复杂且针对特定模型。即使已经得到了解析形式的 BRDF 评估函数，仍然需要进一步为其设计重要性采样方法，并推导对应采样分布的概率密度函数（pdf），这同样依赖额外的模型特定推导。我们提出了 PureSample，一种新的神经 BRDF 表示方法。该方法能够仅通过在显式微观几何上进行前向随机游走采样来学习材质外观，而这种采样过程通常更容易实现。我们的表示支持高效的 BRDF 评估、重要性采样以及 pdf 评估，并适用于均匀材质和空间变化材质。具体而言，我们通过两个可学习组件实现这一目标。首先，我们使用流匹配神经网络对采样分布进行建模，从而同时支持重要性采样和 pdf 评估。其次，我们引入一个由轻量神经网络表示的视角相关反照率项，用于将任意入射和出射方向对上的 pdf 值转换为对应的 BRDF 值。我们在多种具有挑战性的材质上验证了 PureSample，包括不同类型的微观几何、多层材质以及具有多次散射效应的微表面材质。
讲者简介：
李子轩，南开大学三年级直博生，导师为王贝贝教授。研究方向为材质建模、神经材质、真实感渲染，特别是基于微结构的材质建模。已于SIGGRAPH和ToG作为第一作者发表论文两篇。
讲者主页：https://www.rendering-zixuan.com/
主持人简介：
朱君秋，山东大学研究员，研究方向是真实感渲染，主要关注神经外观建模，移动端高效真实神经渲染。曾获齐鲁优秀青年，山东大学浩然学者，博后引才专项等荣誉。担任2026年 Euroraphics 多样性主席。担任2024年SGP会议研究生学院特邀讲师和2024年SIGGRAPH Asia课程讲师。发表20余篇高水平期刊会议论文（Tog，siggraph，cgf等），关注工业应用，相关研究成功应用于Meta，Weta，Chaos 等公司。
