AI+ CG如何加、加之何利、未來何去？

灣區(qū)時訊 智能圖形學作為人工智能（AI）與計算機圖形學（CG）相結合的新興領域，在近年來取得了令人矚目的進展。智能圖形學的不斷演進和完善開辟了計算機圖形學在傳統(tǒng)的電影、游戲和特效等領域之外的更廣泛的應用領域，如智能制造、無人系統(tǒng)、文物保護以及醫(yī)療健康等。這一發(fā)展推動了三維數(shù)字中國的全新變革，為滿足國家的重大需求提供著不可或缺的技術支持。AI與CG的緊密結合不僅為傳統(tǒng)圖形學注入了新的活力，而且為各行業(yè)帶來了更高效、更創(chuàng)新的解決方案。然而，隨著技術不斷推陳出新，智能圖形學也面臨著一系列全新的問題和挑戰(zhàn)。

為此，中國計算機學會（CCF）青年計算機科技論壇（YOCSEF）廣州分論壇學術委員會于2023年12月2日舉辦了“AI + CG: 智能圖形學的機遇與挑戰(zhàn)”技術論壇，共論AI + CG的如何加、加之何利、未來何去，旨在為智能圖形學的未來發(fā)展提供獨到見解和創(chuàng)新的解決思路。本次論壇由CCF主辦，YOCSEF廣州學術委員會、廣東工業(yè)大學計算機學院、廣東工業(yè)大學創(chuàng)新創(chuàng)業(yè)學院共同承辦。YOCSEF廣州AC委員朱鑒（廣東工業(yè)大學）和YOCSEF廣州2022-2023副主席謝光強（廣東工業(yè)大學）共同擔任論壇執(zhí)行主席，廣東恒電信息科技股份有限公司提供贊助支持。此次論壇邀請了徐雪妙（華南理工大學）、方美娥（廣州大學）、朱磊（香港科技大學（廣州））作為引導發(fā)言嘉賓，孟敏（廣東工業(yè)大學）、高博宇（暨南大學）、張?zhí)煸ィ◤V汽研究院）作為思辨嘉賓。

YOCSEF廣州往屆主席譚臺哲（廣東工業(yè)大學），YOCSEF廣州優(yōu)秀AC委員劉雷（廣東科技報），YOCSEF廣州現(xiàn)任主席龍錦益（暨南大學），YOCSEF廣州現(xiàn)任副主席李冠彬（中山大學）、劉同來（仲愷農業(yè)工程學院），YOCSEF廣州AC委員胡建芳（中山大學）、藍連濤（華南農業(yè)大學）、劉偉莉（廣東技術師范大學）、黃培濤（唐邦信息科技），戰(zhàn)蔭偉（廣東工業(yè)大學），曾碧（廣東工業(yè)大學），冼楚華（華南理工大學），張懷東（華南理工大學），甘文生（暨南大學），周燕（佛山科學技術學院），劉翔宇（佛山科學技術學院），陳光明（廣東財經大學），郭建軍（仲愷農業(yè)工程學院），陳云華（廣東工業(yè)大學），陳炳豐（廣東工業(yè)大學），黃國恒（廣東工業(yè)大學），楊振國（廣東工業(yè)大學），孫宇平（廣東工業(yè)大學），羅玉（廣東工業(yè)大學），高靜（廣東恒電信息科技），羅興勇（超擎科技）等來自廣東地區(qū)多所高校及企事業(yè)單位共60多人參加了此次論壇。

在論壇開幕環(huán)節(jié)，首先由本次論壇執(zhí)行主席朱鑒逐一介紹與會嘉賓，再由YOCSEF廣州主席龍錦益介紹YOCSEF文化內涵。龍錦益對YOCSEF的含義、理念、分論壇以及YOCSEF廣州的特色文化等內容作了介紹。

暨南大學龍錦益教授介紹YOCSEF文化

隨后，朱鑒介紹了論壇背景。本次論壇以"AI+CG：智能圖形學的機遇與挑戰(zhàn)"為主題，旨在探討在AI技術蓬勃發(fā)展的當下，計算機圖形學所面臨的機遇和挑戰(zhàn)，希望本次論壇為該領域的發(fā)展提供有益的思考和建議。

論壇執(zhí)行主席朱鑒介紹論壇背景

• 引導報告環(huán)節(jié)

華南理工大學計算機科學與工程學院徐雪妙教授以“基于知識引導的場景智能理解和生成技術”為題，緊緊圍繞智能視覺技術在實際應用中面臨的四大挑戰(zhàn)：復雜場景、跨域場景、數(shù)據(jù)缺失和低質量視覺數(shù)據(jù)，描述了一系列基于先驗知識引導的場景智能理解和生成創(chuàng)新技術，徐雪妙還分享了其團隊當前的工作進展并結合實際案例描述研究工作的落地應用情況。

徐雪妙教授作引導報告

廣州大學計算機科學與網絡工程學院方美娥教授的報告以“AI + CG + 三維醫(yī)學影像分析”為題，首先簡述三維醫(yī)學影像與自然圖像的差別，同時探討分析了當前三維醫(yī)療影像智能分析研究的現(xiàn)狀、問題和趨勢。接著，方美娥教授重點介紹了如何將計算機圖形學及臨床醫(yī)學兩個領域的理論與方法結合，并運用到AI醫(yī)學影像分析中。同時，結合例子說明了醫(yī)療影像與圖形學的幾何建模相結合的有效性，最后還提出了“AI + CG + 三維醫(yī)學影像分析”相關的若干探討性問題，引發(fā)了與會者的思考和討論。

方美娥教授作引導報告

香港科技大學（廣州）機器人與自主系統(tǒng)學域及電子與計算機工程學系聯(lián)署助理教授朱磊的報告以“惡劣天氣和光照下的復原研究：從靜態(tài)圖像到動態(tài)視頻”為題，首先通過一個去除圖像紋理和恢復圖像背景的具體案例，解釋了圖像智能感知的概念，接著結合不同場景介紹了解決戶外視覺系統(tǒng)在惡劣天氣條件下圖像/視頻恢復的創(chuàng)新方法，最后重點介紹了復雜光照下產生的陰影和高光等相關的圖像/視頻的復原和檢測的智能感知工作。

朱磊教授作引導報告

• 思辨發(fā)言環(huán)節(jié)

在引導報告之后，論壇進入思辨環(huán)節(jié)。思辨嘉賓廣東工業(yè)大學計算機學院孟敏副教授、暨南大學網絡空間安全學院高博宇副教授、廣汽研究院張?zhí)煸ゲ┦恳约芭c會嘉賓圍繞“智能時代，傳統(tǒng)圖形學是否面臨瓶頸？理由何在？”“如何突破壁壘將AI與CG更緊密地結合？”“圖形學‘智能化’是不是國內圖形學實現(xiàn)彎道超車的一次重要機遇？”等議題展開了深入思辨，總結得出以下觀點。

論壇執(zhí)行主席謝光強主持思辨議題

思辨議題一：智能時代，傳統(tǒng)圖形學的發(fā)展是否正面臨瓶頸？理由何在？

1. 衍生議題1：若是，擁抱AI、發(fā)展智能圖形學是不是突破瓶頸的利器？
2. 衍生議題2：若不是，計算機圖形學未來發(fā)展?jié)摿εc方向何在？

針對此議題，一些嘉賓認為傳統(tǒng)圖形學發(fā)展到現(xiàn)在確實面臨瓶頸，擁抱AI是傳統(tǒng)圖形學未來發(fā)展的必然趨勢。徐雪妙指出傳統(tǒng)圖形學在算力、采集技術和效率等方面遇到了瓶頸，認為AI給圖形學帶來了強大的生命力。孟敏強調深度學習并非解決所有問題的靈丹妙藥，擁抱AI將面臨一些諸如復雜拓撲、不規(guī)則數(shù)據(jù)建模、算力需求等新的挑戰(zhàn)。高博宇提出隨著人工智能的迅猛發(fā)展，大型模型的涌現(xiàn)極大地提升了生成模型的速度。然而，他也指出大型模型在準確性和用戶精細控制上面臨一定挑戰(zhàn)。

另一些嘉賓則主張傳統(tǒng)圖形學和智能圖形學之間并不存在明確的分界線，兩者應該共同發(fā)展。方美娥提出了搭建文工合作平臺的設想，通過將人文藝術與智能圖形學這兩個領域交叉融合，來有利于文化傳承和藝術呈現(xiàn)。張?zhí)煸漠a業(yè)界角度出發(fā)，強調兩者的發(fā)展應相互促進，認為在實際應用中，傳統(tǒng)圖形學方法在可靠性和泛化性方面仍具優(yōu)勢。戰(zhàn)蔭偉提出要從發(fā)展的角度看待圖形學，強調圖形學一直在不斷豐富自身內涵，如今在智能時代更應融入AI新元素。

除此之外，朱磊強調在擁抱AI時，廣大研究者的聰明才智完全可以在人工智能領域得以發(fā)揮，呼吁更多人投入到這一領域的研究和實踐中。李冠彬指出應當根據(jù)問題的性質選擇使用AI或傳統(tǒng)方法，不應過分依賴AI工具，而是集中注意力解決實際問題。

思辨議題二：AI賦能CG雖然已有約十年，但智能圖形學訓練所需的3D數(shù)據(jù)仍然是稀缺的并且往往是不規(guī)則的無結構數(shù)據(jù)，而且訓練的算力要求高，現(xiàn)有AI算法也難以直接應用。如何突破壁壘將AI與CG更緊密地結合？

衍生議題：AI賦能CG的關鍵在于數(shù)據(jù)、算力還是技術？

論壇執(zhí)行主席朱鑒主持思辨議題

針對此議題，一些嘉賓認為AI賦能CG的關鍵在于數(shù)據(jù)。冼楚華指出，3D數(shù)據(jù)的多樣性遠超過文本和圖像的統(tǒng)一規(guī)范，導致訓練模型變得復雜，成為AI與CG結合發(fā)展較晚的原因之一。張懷東補充指出，昂貴的3D采集設備也成為一個制約因素，增加了數(shù)據(jù)獲取的成本，對此可以構建仿真平臺，以獲取各種不同格式的數(shù)據(jù)。

另一些嘉賓則認為技術是AI與CG結合需要首要考慮的壁壘。譚臺哲指出雖然AI已經具備強大的計算能力，但在處理復雜結構時，仍面臨獨特挑戰(zhàn)，如何實現(xiàn)與人類相似的認知成為關鍵難題。郭建軍指出，技術是數(shù)據(jù)、算力的根基，沒有技術支持，數(shù)據(jù)和算力就無法得以應用。

針對算力問題，高博宇提出，算力在一定程度上是否構成壁壘取決于所從事問題的規(guī)模。對于小規(guī)模項目而言，算力并非障礙，若涉及到大型模型的研發(fā)，解決算力問題就需要實力雄厚的企業(yè)介入。張?zhí)煸フJ為算力問題相對容易解決，但更為困難的壁壘在于學術界與產業(yè)界之間存在的鴻溝，并呼吁學術研究應更緊密地服務于實際產業(yè)需求。

除此之外，孟敏指出，推動AI和CG結合的一個關鍵點在于促進數(shù)據(jù)和模型的開源。在技術方面，孟敏建議在多元多模態(tài)技術上多做考慮，特別是與CG領域相關的交互技術，如手勢識別、面部表情識別和語音等。通過結合多元多模態(tài)技術，可以促進AI+CG的突破。

思辨議題三：圖形學“智能化”是不是國內圖形學實現(xiàn)彎道超車的一次重要機遇？

1. 衍生議題1：CG領域是否會像CV領域被深度學習技術全面“攻占”？
2. 衍生議題2：NeRF 作為一種當前AI與CG交叉融合的熱門技術，其面臨的技術困難與挑戰(zhàn)何在，未來發(fā)展趨勢如何？

針對此議題，嘉賓們對于圖形學“智能化”的未來都持有積極態(tài)度，同時也意識到其中的挑戰(zhàn)和困難，他們在技術、理論和應用層面提出了各自的看法和建議。

在技術層面，高博宇和孟敏指出目前的困難主要集中在模型的可解釋、精準性和交互功能方面。張?zhí)煸ケ硎舅懔π枨笫且淮箅y點，還指出如果要實現(xiàn)彎道超車，可以從基礎理論方面進行入手。周燕表示數(shù)據(jù)的采集方式不統(tǒng)一，數(shù)據(jù)格式的不統(tǒng)一，增加了CG研究工作的難度。陳云華強調國內在數(shù)據(jù)量方面具有優(yōu)勢，但也提到針對醫(yī)療數(shù)據(jù)存在數(shù)據(jù)孤島的問題。楊振國認為圖形學的研究難以避免涉及大模型問題，在沒有足夠好的數(shù)據(jù)和強大算力的情況下，研究大模型變得異常困難。孫宇平指出技術方法決定了發(fā)展的下限，而數(shù)據(jù)的質量則決定了上限。在突破這些難題中，數(shù)據(jù)的獲取和處理成為關鍵的挑戰(zhàn)。

在理論層面，曾碧認為AI+CG是一條正確的道路，但要從自身的研究問題和任務的角度去具體分析，并非所有的環(huán)節(jié)都需要深度學習。此外，曾碧表示NeRF是一個非常好的課題結合點，在動態(tài)環(huán)境上有許多的挑戰(zhàn)可以去嘗試。胡建芳指出隨著CG生態(tài)環(huán)境的逐步開放，會有一部分CV的工作者轉移到CG領域當中，有助于實現(xiàn)CG的彎道超車。

在應用層面，劉翔宇認為如果在具體的應用問題上出現(xiàn)的瓶頸是目前傳統(tǒng)的技術無法解決的，采用AI+CG技術能夠解決問題，則可以判斷說是可以實現(xiàn)彎道超車。陳光明和甘文生都表示在大模型時代圖形學與AI的結合是一個很大的機遇，不能錯失發(fā)展的良機。除此之外，劉偉莉表示可以將深度學習當成一種工具，工具沒有“攻占”之說，強調需要充分利用深度學習來發(fā)展CG。她還指出CG的門檻相對于CV來說是比較高的，CG涵蓋物理和數(shù)學等知識，應用場景偏向高精端領域，不太可能做到像大模型那樣的通用化。黃國恒從CV和CG的關系角度分析，指出CV和CG是互相包含的關系。

嘉賓熱議

此次論壇歷時近四個小時，最后YOCSEF廣州主席龍錦益對此次論壇進行了總結并表示肯定。

為引導嘉賓和思辨嘉賓頒發(fā)感謝牌

與會嘉賓合影留念

此次論壇對傳統(tǒng)圖形學是否面臨瓶頸，圖形學智能化帶來的機遇和挑戰(zhàn)，熱門技術NeRF未來發(fā)展趨勢等相關內容展開了深入思辨，亦探討了如何突破數(shù)據(jù)、算力和技術等壁壘更好的融合CG和AI，推動AI+CG的創(chuàng)新發(fā)展，相信可以為相關領域從業(yè)人員提供重要的參考與借鑒。最后，論壇在線下會場與線上云會場一片輕松而熱烈的氛圍中圓滿結束。

通訊員/朱鑒

責任編輯/劉秀