北京大学图形与交互技术实验室李胜-汪国平团队近期在计算机图形学领域取得系列进展。

2022年8月8-11日，第49届国际图形与交互大会（ACM Siggraph’2022）在加拿大温哥华召开，团队的两项研究成果《NeuralSound: Learning-based Modal Sound Synthesis with Acoustic Transfer》和《SPCBPT: Subspace-based Probabilistic Connections for Bidirectional Path Tracing》被接收为会议的期刊轨论文，发表在ACM Transactions on Graphics（CCF-A期刊）,并做会议口头报告。Siggraph年会是公认的计算机图形学与交互领域的最高学术会议（CCF-A会议）。 2022年9月12-16日，第39届国际计算机图形大会（CGI’2022）在瑞士日内瓦召开，团队的一项研究成果《Simulation of collective pursuit-evasion behavior with runtime situational awareness》被接收为会议的CAVW（计算机动画与虚拟世界）期刊轨论文，并做会议口头报告。该成果获得本次会议的CAVW最佳论文奖。

1.  在图形与虚拟/混合现实领域中，基于物理的音效可增强虚拟现实系统的沉浸感。本成果提出了新颖的基于神经网络的模态声音合成方法NeuralSound，该模型可用于虚拟现实及计算机动画中的运动物体声音合成与近场声音传播的模拟，首次实现了基于物理的实时声音合成与传播。NeuralSound方法通过神经网络模拟了模态分析中的广义特征值分解的快速计算，并快速预测了近场传播中的声场分布图，在保证精度的前提下显著地提升计算速度。该方法同时发掘了有限元方法中的矩阵数值计算和神经网络的稀疏卷积操作之间的内在关联，具有强解释性。该论文同时入选Siggraph’2022的亮点（highlight）论文。

该项工作由北京大学、美国马里兰大学合作完成。实验室博士生金旭统为第一作者，李胜为论文通讯作者。该工作得到国家重点研发计划项目和国家自然科学基金的资助支持。

https://dl.acm.org/doi/abs/10.1145/3528223.3530184

2.  基于光线追踪的高度真实感渲染是计算机图形学的核心，双向路径追踪算法中如何根据路径的贡献值来重要性采样路径空间是影响渲染效率的关键问题。本成果提出了基于路径子空间的重要性采样方法实现高效的双线路径追踪渲染。该方法通过对样本的统计分析得到对路径连接阶段具有重大影响的路径属性，并据此将路径空间划分成子路径空间，在连接阶段基于子路径空间进行重采样和连接。该方法给出了路径采样的渲染方差和子空间采样分布之间的统计相关性，提供了以凸优化方式得到最优采样分布的方法。该方法显著地提升了采样效率，极大地提升了真实感渲染的性能。

该项成果由北京大学独立完成。实验室硕士生苏复佳为第一作者，李胜为论文通讯作者。该工作得到国家重点研发计划项目和国家自然科学基金的资助支持。

https://dl.acm.org/doi/abs/10.1145/3528223.3530183

3.  自然界中存在着大量的群体运动现象的模拟是计算机图形与动画领域的难点问题，本成果分析了具有一定智能感知能力的群体运动的机理，进而建立数学模型刻画群体的趋同运动、集体围猎的智能和躲避威胁的智能行为，设计一种带有环境感知的三维高级动物群体智能行为（捕食者和被捕食者的捕猎-逃离）模拟方法，能够更逼真地模拟两种群体在各种复杂的三维环境中的群体运动行为，对虚拟现实、计算机游戏和动画、动物仿生学、机器人智能等领域具有积极的意义和作用。

该项成果由北京大学独立完成。实验室本科实习生于震京为第一作者，李胜为论文通讯作者。该工作得到国家自然科学基金的资助。

https://onlinelibrary.wiley.com/doi/abs/10.1002/cav.2124