「每章都能當做一篇博士論文」:閆令琪獲SIGGRAPH 2019最佳博士論文獎

机器之心發表於2019-05-25

從高考狀元到電腦科學「學神」,閆令琪博士的學術成就與貢獻還不止於此。英偉達最新的 RTX 系列顯示卡使用的「光線追蹤技術」就是源自於閆令琪等人的研究。

「每章都能當做一篇博士論文」:閆令琪獲SIGGRAPH 2019最佳博士論文獎

從高考狀元到 CS 學神

閆令琪於 2018 年 9 月起任加州大學聖巴巴拉分校助理教授,在此之前他在 2018 年獲得了加州大學伯克利分校的博士學位,導師為 Ravi Ramamoorthi。在 2013 年,他獲得了清華大學計算機系學士學位。

在伯克利畢業之前,人們對閆令琪的印象或許更多的是「2009 年安徽省阜陽高考狀元」,他的高考分數為 695 分,名列全省第二。他曾在總結自己高中學習方法時表示:目標性、計劃性、勞逸結合是幾個重點。

「首先要清楚自己的實力。」要想有一個理想的分數,就不能無謂失分,在平時練習時,不要放過任何一個小錯誤。例如數學選擇題,一旦做錯了一道題,就要逼迫自己去多做幾題「長記性」。

時間分配上,閆令琪認為在校時間要合理利用,不能一味注重數理化,而忽視了語文和英語;一天的勞累學習後,回到家裡可以適當放鬆,勞逸結合才能有好的學習效果。

閆令琪特別提到不要做無用功。例如數學大題中的三角函式、立體幾何等題沒有太多花樣,對於這類題,只要知道思路,無需浪費太多時間。對於數學試卷的最後一題,要會在做題的同時總結方法;而對於基礎題注重運算能力,切勿粗心而丟分。

據說,閆令琪在高中時代是一個特別會玩的學生。緊張的高考前夕,他每天玩遊戲的時間都在 1 個小時以上,而他當時的目標就是考取清華大學計算機系。

進入 UC Berkeley 之後,閆令琪的主要研究方向是基於物理的真實感圖形渲染及其相關的數學和物理理論,具體包括基於微觀細節的材質觀測和建模、離線和實時光線追蹤、訊號的取樣和重建、高效的光線傳播和散射等等。作為一名優秀的研究者,他開創並啟發了一系列下一代計算機圖形學的研究方向,如高度細緻的渲染和實時光線追蹤

閆令琪曾於 2018 年因開創性的研究被授予 C.V. Ramamoorthy 傑出科研獎 —— 這是歷史上首位獲獎的華人。此外,他的科研成果還被直接應用於電影和遊戲業,曾幫助影片《猩球崛起 3:終極之戰》於 2018 年獲得奧斯卡最佳視覺效果獎提名。

最佳博士論文獎

有著開創新領域的貢獻,閆令琪獲得最佳博士論文獎著實讓人感到實至名歸。ACM SIGGRAPH 對於閆令琪的論文有很高的評價:

閆令琪的論文以統一、綜合的視角介紹了計算機圖形渲染視覺外觀建模。每個章節都能獨立成為一篇博士論文的主題。該研究生成的驚豔視覺影像,成為了近期 SIGGRAPH 大會上的亮點,也為產業帶來了極大的實用性影響。閆令琪發表過 7 篇有關圖形學的 SIGGRAPH 和 ACM Transactions 一作論文,這是前所未有的。

該論文為三大領域提供了突破性貢獻:鏡面微觀結構或者微光(glints)建模、皮毛反射(fur reflectance)和快速蒙特卡洛渲染。微光相關章節內容是基於 2014、2016 和 2018 年的論文,介紹瞭如何解析評估鏡面反射,如何完成光傳遞的全波動光學模擬,這些思想如今已經被用於商業化,例如 AutoDesk Fusion360 和 Rise of the Tomb Raider 2016。

在論文第二章中,閆令琪開發了一個動物皮毛模型,並用測量與模擬方法進行了測試(簡化、泛化了該模型),作者也展示瞭如何用它完成全域性光照計算。該技術被 Weta Digital 用於電影「猩球崛起 3:終極之戰」。

第三章節內容有關全域性光照,展示了對蒙特卡洛渲染去噪方法的重大突破,也介紹了其他基於濾波的去噪方法。

這些以及其他相關的研究啟發了當前蒙特卡洛取樣方法和去噪管道,包括英偉達最新的軟體(Optix5,2017)和硬體(RTX GPU,2018),使得實時光線追蹤首次成為可能。

「每章都能當做一篇博士論文」:閆令琪獲SIGGRAPH 2019最佳博士論文獎

英偉達 RTX 系列晶片可以實現前所未有的視覺體驗,我們還記得黃仁勳在 GTC 大會上的介紹:它可以在遊戲中呈現不同材質的反光,以及反光的反光,實現電影級的效果。

閆令琪在解決這一領域的開放問題上做了許多工作,他從全新的方向解決計算機圖形的問題,超越了傳統認為不可能的範圍。在這個過程中,他開啟了新的子領域,變革了我們當前對渲染、視覺外觀、生成全新影像的的認知。

閆令琪已經發表了十幾篇有關圖形學的 SIGGRAPH 和 Transactions 論文。SIGGRAPH 社群以 2019 ACM SIGGRAPH 博士論文獎表彰他取得的卓越成就,也期待未來他能作出更多驚豔的成果。

開天闢地的研究

讓我們看看閆令琪的博士論文《Physically-based Modeling and Rendering of Complex Visual Appearance》究竟講了什麼:

「每章都能當做一篇博士論文」:閆令琪獲SIGGRAPH 2019最佳博士論文獎

論文連結:https://sites.cs.ucsb.edu/~lingqi/publications/thesis_final.pdf

在這篇論文中,我們主要研究物體渲染,這種渲染能夠根據 3D 模型和場景合成影像。當前最先進的渲染技術仍要面臨兩個基本的挑戰:真實感和速度。渲染結果能看出來是人工生成的,過於完美,反而失真;而且渲染過程太慢,無論是對於離線還是互動式應用程式來說。

此外,更佳的真實感和更快的速度本質上就是矛盾的,因為當渲染試圖產生保真度更高的詳細結果時,計算複雜度會大量增加。為了兼顧二者,本文引入了細節渲染和外觀建模的概念,準確展示和復現從微米級到整體外觀的豐富視覺世界,並將稀疏光線取樣與快速高維濾波相結合,從而實現實時性。

為了使渲染更加真實,我們首先強調的是細節。但是,渲染具有大量細節的複雜表面絕非易事。傳統上,表面的微觀結構是通過平滑的正態分佈近似得到的,但這樣容易忽略細節,比如在現實世界中容易觀察到的微光效果。

雖然建模實際的表面微觀結構是可能做到的,但使用蒙特卡洛點取樣方法會導致成本高昂的問題:能量會集中在微小亮點上,而這種微小亮點只佔據了畫素的極小部分。

相反,我們使用完全不同的確定性方法來計算蒙特卡洛最終會收斂到的準確解。我們的方法考慮了通過單個畫素看到的表面上高度複雜的法線分佈。假設表面分別是由 2D 平面三角形或 4D 高斯元素組成,我們展示了用封閉形式解有效評估這一點的不同方法。

我們還展示瞭如何擴充套件該方法來準確處理波動光學。我們的研究結果顯示,非平滑的塑料、刷過或刮過的金屬、金屬漆和海浪等材料會產生複雜的、隨時間變化的微光。

如上所述,儘管渲染細節帶來了許多挑戰,但我們假設自己知道表面是如何反射光的。然而,現實世界中有大量的自然材料,我們並不知道它們與光互動的準確方式。為了真實地渲染這些材料,我們需要從微觀結構中匯出準確的外觀 / 反射模型來定義它們的光學行為。

我們在第四章中通過引入動物皮毛的反射模型證實了這一點。渲染逼真的動物皮毛是計算機圖形學領域的一道長期難題。人們在建模人類毛髮的幾何複雜性方面已經取得了相當大的成就,但毛髮纖維的外觀 / 反射卻還無法很好地理解。

基於解剖學文獻和測量,我們開發了一個單根毛髮纖維反射的雙筒模型,其中外筒表示對被多個角質層覆蓋的皮層的生物觀察,內層表示散射內部結構(被稱為延髓),人類毛髮纖維中通常不存在這個。

我們通過對真實毛髮纖維的測量來驗證物理模型,並引入了計算機圖形學中的第一個資料庫,用於 9 個皮毛樣本的反射剖面。為了有效進行渲染,我們開發了一種方法來預先計算 2D 延髓散射輪廓,並且用因子化波瓣(factored lobes)來近似反射模型。

我們還開發了許多優化方法,在不損失準確率的情況下提升效率和通用性。另外,我們還提出了首個全域性光照模型,基於用於表面散射的偶極擴散(dipole diffusion),通過將複雜的光和毛髮互動建模為次表面散射,並且用簡單的神經網路將毛髮纖維的特性轉換為散射引數,來近似單個毛髮纖維之間的光反彈。

然而,如果沒有這些細節來改善渲染的真實感,使用當前最先進的蒙特卡洛射線追蹤的渲染方法效能依舊低下。物理上正確、無噪聲的影像每個畫素可能需要數百或數千個光線樣本,並且需要很長時間來計算。最近的方法利用了稀疏取樣和濾波。濾波方法雖然很快(軸對齊),但需要更多輸入樣本,或者說輸入樣本過少速度又會非常慢(剪下)。

在第 5 章 [143] 中,我們提出了一種在 GPU 上進行快速剪下濾波的新方法。我們的演算法將 4D 剪下濾波器分解為 4 個 1D 濾波器。我們推匯出該方法的複雜邊界,結果顯示每畫素複雜度從「每章都能當做一篇博士論文」:閆令琪獲SIGGRAPH 2019最佳博士論文獎 減少到 O(nl),其中 n 是線性濾波器寬度(濾波器大小為 O (n^2)),l 是(通常非常小)每個畫素的光或透鏡的每個維度的樣本數量(spp 是 l^2)。因此,我們大大減少了剪下濾波開銷。論文中,我們展示瞭如何以互動式的速度渲染景深、柔和陰影和漫射全域性光照。

「每章都能當做一篇博士論文」:閆令琪獲SIGGRAPH 2019最佳博士論文獎

論文模型生成場景的靜止幀。

期待閆令琪博士未來的更多新研究。

值得一提的是,去年的 ACM SIGGRAPH 最佳博士論文獎也是由來自加州大學伯克利分校的華人朱儁彥獲得,參見:別人的博士生涯!CycleGAN 作者朱儁彥獲 SIGGRAPH 傑出博士論文獎

參考連結:

https://www.siggraph.org/2019-outstanding-doctoral-dissertation-award-lingqi-yan/

https://sites.cs.ucsb.edu/~lingqi/

相關文章