L’IA generativa ha preso d’assalto il mondo della grafica. Nuovi modelli, ridefinendo il settore, sembrano emergere quasi a giorni alterni. Ma le fusioni di arte e tecnologia non sono nuove. Ogni anno ACM SIGGRAPH (Special Interest Group on Computer Graphics and Interactive Techniques) presenta un evento in cui pixel e algoritmi dipingono sogni. L’illustre organizzazione accademica Association of Computing Machinery ha organizzato uno spettacolo a Los Angeles dal 6 al 10 agosto.
Tra i relatori degni di nota, il CEO di NVIDIA Huang Jensen è salito sul palco quest’anno per annunciare diversi nuovi prodotti e ricerche incentrate sull’intelligenza artificiale generativa, la computer grafica e il ruolo dell’azienda negli sviluppi di OpenUSD.
Quest’anno ha segnato il 50° anniversario di SIGGRAPH. I premi per documenti tecnici sono stati introdotti di recente nel 2022 poiché questi documenti fungono da pilastro per il lavoro accademico. Il presidente degli articoli tecnici Alla Sheffer ha evidenziato questi articoli premiati e ha ringraziato il comitato di selezione che ha scelto i migliori articoli tra centinaia di articoli.
Ecco i 5 articoli più premiati della conferenza di quest’anno:
Display multifocali Split-Lohmann
Il nuovo documento introduce un impressionante display 3D vicino all’occhio che crea rapidamente mondi virtuali e consente agli utenti di concentrarsi naturalmente su oggetti a distanze diverse. Ciò significa che puoi goderti video e giochi 3D realistici come mai prima d’ora, sentendoti completamente immerso. Autori: Yingsi Qin, Wei-Yu Chen, Matthew O’Toole, Aswin C. Sankaranarayanan, Carnegie Mellon University
Motivi a strisce differenziabili per la progettazione inversa di superfici strutturate
In questo lavoro, i ricercatori hanno presentato una tecnica innovativa chiamata “Differentiable Stripe Patterns”. Questo metodo computazionale automatizza la progettazione di superfici fisiche con distinte disposizioni a forma di striscia e doppio materiale. Il team ha sviluppato uno strumento che utilizza l’ottimizzazione attraverso i gradienti per generare automaticamente motivi a strisce. Questi modelli sono personalizzati per corrispondere strettamente a obiettivi specifici per le prestazioni meccaniche complessive. Autori: Juan Sebastian Montes Maestre, Yinwei Du, Ronan Hinchet, Stelian Coros, Bernhard Thomaszewski, ETH Zürich
Orientamento normale globalmente coerente per le nuvole di punti regolarizzando il campo del numero di avvolgimento
I ricercatori hanno presentato una funzione obiettivo uniforme per definire i criteri per un campo di numeri di avvolgimento accettabile. Questa innovazione consente la determinazione di orientamenti normali globalmente consistenti, anche partendo da un insieme iniziale di normali del tutto casuali. Autori: Rui Xu, Università di Shandong; Zhiyang Dou, Università di Hong Kong; Nigna Wang, Università del Texas a Dallas; Shiqing Xin, Università di Shandong; Shuangmin Chen, Università della Scienza e della Tecnologia di Qingdao; Mingyan Jiang, Università di Shandong; Xiaohu Guo, Università del Texas a Dallas; Wenping Wang, Università A&M del Texas; Changhe Tu, Università di Shandong
Splatting gaussiano 3D per il rendering del campo di radianza in tempo reale
La nuova tecnica consente la visualizzazione in tempo reale dei campi radianti con una qualità visiva impressionante, raggiungendo una velocità di rendering di almeno 30 fotogrammi al secondo. I ricercatori rappresentano le scene utilizzando precise gaussiane 3D, facilitando processi di ottimizzazione efficienti. L’inclusione del rendering sensibile alla visibilità accelera l’addestramento, eguagliando la velocità dei metodi precedenti più veloci pur mantenendo una qualità comparabile. Inoltre, solo un’ora in più di formazione migliora l’output a un livello di qualità all’avanguardia. Autori: Bernhard Kerbl, Inria, Université Côte d’Azur; Georgios Kopanas, Inria, Université Côte d’Azur; Thomas Leimkuehler, Max-Planck-Institut für Informatik; George Drettakis, Inria, Université Côte d’Azur
DOC: controllo ottimale differenziabile per movimenti di retargeting su robot con gambe
Il team di ricercatori della Disney Research ha introdotto un nuovo framework chiamato Differentiable Optimal Control (DOC), che semplifica il calcolo delle derivate analitiche per il controllo ottimale e le traiettorie di stato basate su parametri definiti dall’utente. Il lavoro dimostra la sua efficacia adattando rapidamente i dati di motion capture e animazione su una gamma di robot con gambe con proporzioni e distribuzione di massa diverse. Ruben Grandia, Disney Research Imagineering; Farbod Farshidian, ETH Zurigo; Espen Knoop, Disney Research Imagineering; Christian Schumacher, Disney Research Imagineering; Marco Hutter, ETH Zurigo; Moritz Bächer, Disney Research Imagineering