「为可微计算机图形学奠定基础」，太极二作李 - 微计算机信息杂志社投稿

来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。一、投稿方式： 1、请从我刊官网直接投稿。 2、请从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。二、稿件著作权： 1、投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、第5条所述之网络是指通过我刊官网。 7、投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

「为可微计算机图形学奠定基础」，太极二作李

作者:

关键词:

摘要：

机器之心报道

参与：魔王、蛋酱、杜伟

刚刚，顶级计算图形学机构 ACM SIGGRAPH 颁发了 2020 年最佳博士论文奖。MIT CSAIL 博士后研究员、太极（Taichi）论文第二作者李子懋（Tzu-Mao Li）获得该奖项。SIGGRAPH 颁奖词中称他的博士论文「为新兴的可微计算机图形学奠定了基础」。

\r\t\t\t\t\t\t\t\t\t

\r\t\t\t\t\t\t\t\t

在这篇 148 页的博士论文中，李子懋探讨了视觉计算、编程系统和统计学习之间的关系。他将经典计算机图形学和图像处理算法与现代数据驱动方法相结合，从而增强了物理理解。李子懋利用统计学中的数学工具和机器学习开发能够解决图形和视觉问题的新算法。此外，他开发的编程系统简化了可学得视觉计算算法的高效实现和数学推导。

该论文的主题是解决计算和应用复杂图形学 pipeline 导数所面临的挑战，以便利用这些导数更好地拟合和采样参数或者解决逆问题（inverse problem）。这项研究被认为「解决了图形学算法中的不连续性以及现代硬件的大规模并行性问题，其贡献远远超出了传统的自动微分」。

在颁奖词中，SIGGRAPH 称该论文「为新兴的可微计算机图形学研究领域奠定了基础」，李子懋是「物理可微渲染领域的先行者」。

这篇论文的主要贡献包括以下三项：

首先，它推导并实现了首个全面的可微渲染解决方案，该方案可以正确计算涉及任意场景参数（如相机姿态、场景几何、材料和光照）的渲染图像上标量函数的导数。这使得多种图形学和视觉算法能够使用导数分析图像的 3D 属性，包括 3D 重建和对抗样本生成。

其次，论文的另一项贡献是提出了一个领域特定的自动微分编译器，它基于 Halide 编程语言构建，用于微分图像处理算法。该编译器只需研究人员付出很少的编程努力，即可以高性能自动生成复杂图像处理算法的梯度。这就为使用灵活构造块开发高效准确的数据驱动图像处理算法开辟了新的路径，与深度学习中常用的粗粒度算子形成鲜明对比。

最后，该论文提出了首个 MCMC（马尔可夫链蒙特卡罗）渲染算法，该算法使用光路吞吐量的二阶导数，来加速移动焦散或光滑材料多反射照明等高难度特效的渲染进程。具体来说，该研究使用光传输贡献的 Hessian 矩阵来捕获被积函数的强各向异性（anisotropy）。

获奖博士论文

现在我们来看这篇博士论文《Differentiable Visual Computing》的具体内容。

\r\t\t\t\t\t\t\t\t\t