中国计算机学会计算机辅助设计与图形学专业委员会
2022年度“优秀图形开源项目”
经评选委员会严格评选，2022年评选出2个“优秀图形开源软件”、2个“优秀图形开源软件提名”及1个“优秀图形开源数据集”。
- 2022年度优秀开源软件1
项目名称: 泛动引擎（PeriDyno）
项目主页: http://peridyno.com/zh/
负责人: 何小伟 中国科学院软件研究所
其他核心贡献者:
| 姓名 | 单位 |
| 常悦 | 北京大学 |
| 石剑 | 中国科学院自动化研究所 |
| 刘树森 | 中国科学院软件研究所 |
| 何浩 | 中国科学院软件研究所 |
| 郭煜中 | 中国科学院软件研究所 |
项目简介：
泛动引擎（PeriDyno）是基于CPU/GPU混合架构实现的实时物理仿真引擎，其通过基于数据（Field）->模块（Module）->节点（Node）->场景图（Scene Graph）的通用物理仿真框架，将仿真计算与渲染、仿真计算与交互、仿真计算与底层分离，有效解决了复杂物理仿真任务的模块复用难题。PeriDyno旨在解决通用物理仿真任务的增量开发、集成与模块复用难题，实现端云协同环境一套仿真计算代码零成本迁移、多平台复用的目标，其解决的核心问题包括：
- 物理仿真数据表示的完备性问题；
- 复杂仿真场景作用机理的模块化表示难题；
- 仿真数据与仿真算法模块的“统一计算图”；
- 端云协同环境复杂仿真任务的可交互性。
- 2022年度优秀开源软件2
项目名称: Easy3D
项目主页: https://github.com/LiangliangNan/Easy3D
负责人: 南亮亮 代尔夫特理工大学 (荷兰)
项目简介：
Easy3D是一个用于3D建模、几何处理和渲染的开源库。它基于C++实现，对OpenGL 和 GLSL 进行了高级封装。Easy3D在设计时强调运行效率、简单性和易扩展性。Easy3D 旨在用于研究和教育目的，特别适用于图形学初学者了解图形学的基本原理（例如3D建模和几何处理常用的数据结构、渲染技术和算法）、研究者开发算法原型，也适用于开发复杂的 3D 应用程序。Easy3D拥有完整的文档和演示示例，同时支持Windows、Linux以及macOS系统。
- 2022年度优秀开源软件提名1
项目名称: 基于Jittor的可微渲染库Jrender
项目主页: https://github.com/Jittor/jrender
负责人: 辛杭高 清华大学
其他核心贡献者：
| 姓名 | 单位 |
| 周文洋 | 清华大学 |
| 胡事民 | 清华大学 |
项目简介：
可微渲染库Jrender基于国产深度学习框架Jittor开发，拥有完整国产自主知识产权，适用于windows、linux等多种操作系统。Jrender系统性支持可微表面渲染与可微体渲染。其中，Jrender可微表面渲染库是唯一支持粗糙度、金属度、次表面散射材质的开源实现，内置N3MR、SoftRas两种可微渲染光栅化算法。此外，Jrender的可微体渲染库系统性支持体素、隐式曲面渲染，内置RayMarching算法及包围盒加速优化功能。目前，已有基于Jrender的研究工作发表于TVCG、MM等CCF A类期刊会议。在第二届计图人工智能挑战赛中，Jrender服务来自国内外20余所高校的291支参赛队伍，在Github、Gitlink等平台上贡献基于Jrender库的开源实现30余份。未来Jrender还将引入混合管线系统，支持实时全局光照渲染等复杂功能，进一步服务图形学领域发展。
- 2022年度优秀开源软件提名2
项目名称: OpenPointCloud：三维点云数据的智能编码与处理开源项目
项目主页: https://git.openi.org.cn/OpenPointCloud
负责人: 高伟 北京大学深圳研究生院
其他核心贡献者：
| 姓名 | 单位 |
| 李革 | 北京大学深圳研究生院 |
项目简介：
近年来，三维点云技术快速发展，具有广泛的应用前景，引起了学术界和工业界的广泛关注。作为在国内外首个面向三维点云编码与处理的开源项目，该工作实现了近30个算法开源，包括无损/有损点云压缩方法、点云增强处理和分析算法，具有国内自主知识产权的AVS点云压缩标准参考软件PCRM等。该开源项目实现了多个深度学习编程框架实现，系统地评估所有国际主流方法的性能，并给出了建设性结论。该开源项目及文档发布在OpenI启智社区，引起了国内外同行的广泛关注。借助于深度传感技术、通信技术的快速发展以及相关应用的需求，三维点云的编解码及其处理已越来越重要，该开源软件对于推动图形学、三维视觉、视频编解码等多个领域具有重要的意义。
- 2022年度优秀图形开源数据集
项目名称: 面向场景理解的大规模镜子/玻璃分割数据集
项目主页: https://xinyangdut.github.io/detection_segmentation/index.html
负责人: 杨鑫 大连理工大学
其他核心贡献者：
| 姓名 | 单位 |
| 梅海洋 | 北京大学 |
| 董文 | 大连理工大学 |
| 王洋 | 大连理工大学 |
| 张强 | 大连理工大学 |
| 魏小鹏 | 大连理工大学 |
项目简介：
镜子和玻璃是生活场景中的常见元素，其特殊属性给场景理解带了巨大挑战：镜子能够反射光线，虚拟的镜像场景会被现有方法作为真实场景处理，从而导致错误的三维场景重建和理解；玻璃通常是透明的，现有方法无法重建、感知场景中的玻璃，进而严重影响增强现实、场景导航等应用。现有研究采用人工标注或者特制硬件辅助感知镜子和玻璃，效率较低且成本较高。本项目致力于实现基于计算的镜子/玻璃感知，以提升场景理解的效率和准确率。针对目前场景感知与理解领域没有镜子/玻璃分割数据集的现状，本项目陆续构建了5个大规模、高质量的镜子/玻璃分割数据集，为场景理解相关研究和应用（如基于深度学习的三维场景重建、深度估计、BRDF材质估计、增强现实、机器人导航避障、视觉定位等）提供的多样性、多模态样本有助于推动深度学习时代场景理解领域更加深入、更加广泛地研究和应用。
