2022年度“优秀图形开源项目”

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。