转载

华人学者再获 SIGGRAPH 优秀博士论文奖：「每章都能作为博士论文」

雷锋网 AI 科技评论按： 继 2018 年华人学者朱俊彦博士获得由顶级计算图形学机构 ACM SIGGRAPH 颁发的优秀博士论文奖后，今年华人学者再获嘉誉，2019 优秀博士论文奖获得者为毕业于加州大学伯克利分校的闫令琪博士。而他的博士论文颁奖词：「将闫令琪博士论文的任一章节摘取出，都可以自成一篇博士论文」，充分代表了业内对其卓越学术成就的至高评价。

华人学者再获 SIGGRAPH 优秀博士论文奖：「每章都能作为博士论文」图1 闫令琪博士

从高考状元到 CS 学神

很多人第一次听到闫令琪这个名字，或许更多是和「2009 年安徽省阜阳高考状元」相关联的。那时他就曾表示过，做任何事情都需要科学的方法——目标性、计划性、劳逸结合，即对自己能力有清晰认识并制定合理目标，然后进行科学高效的规划安排，通过劳逸结合将效率最大化，最后实现目标。

因此，闫令琪高考结束，就进入了它的目标院校——清华大学计算机系，并在 2013 年顺利毕业，获得清华大学计算机系的学士学位。而之后在 2018 年获得加州大学伯克利分校博士学位，现担任加州大学圣巴巴拉分校助理教授。

他的主要研究方向是计算机图形学、基于物理的真实感图形渲染及其相关的数学和物理理论，包括真实感材质观测和建模、离线和实时的光线追踪、信号的采样和重建、高效的光线传播和散射等。

他的博士论文在微观结构高光反射模型，毛发反射模型和快速蒙特卡洛绘制方法方面做出了突破性的贡献。他以第一作者发表了 7 篇 SIGGRAPH 论文，并在快速蒙特卡洛绘制方法方面的贡献直接推动了工业界光线追踪 GPU 架构（Optix5, RTX GPUs）的发展，使得实时光线跟踪成为可能。

在 2018 年，闫令琪因其开创性研究被授予 C.V. Ramamoorthy 杰出科研奖。此外，他的科研成果还被直接应用于电影和游戏行业，助力影片《猩球崛起 3：终极之战》获得 2018 年奥斯卡最佳视觉效果奖提名。

来自 ACM SIGGRAPH 的评价

闫令琪的论文为计算机图形渲染视觉外观建模提供了一个统一、综合的视图，每一章都可以是一篇独立的博士论文。该研究所生成的惊艳视觉图像，是近期 SIGGRAPH 大会的亮点，也对相关行业产生了极大的实用性影响。闫令琪发表了 7 篇 SIGGRAPH 论文和一篇 ACM TOG 论文，这样的成绩大大超越了其他人。

本论文在三个方面提供了突破性的贡献：镜面微结构或微光建模、毛皮反射和快速蒙特卡洛渲染。关于微光部分，则是基于 2014 年、2016 年和 2018 年的论文，介绍了如何分析评估镜面反射，以及如何执行光传递的全波动光学模拟，这些思想在商业产品中有所运用，如 AutoDesk Fusion 360 和 Rise of the Tomb Raider 2016。在论文第二章，闫令琪开发了一个动物皮毛模型，通过测量和模拟来进行测试，然后简化并推广模型，并展示了如何用它进行全局光照计算。这一技术后来被用于维塔数码的电影「猩球崛起 3」中。论文第三章则是关于全局光照，展示了对蒙特卡洛渲染去噪的重大突破，以及其他基于滤波的渲去噪方法。

这些方法和其它相关研究启发了当前蒙特卡洛采样方法和去噪管道，包括 NVIDIA 的最新软件（Optix5,2017）和硬件（RTX GPU，2018），这使实时光线追踪首次具有实现的可能。

闫令琪所做的不仅仅是解决该领域的开放性问题；相反，他已经把计算机图形学带入了全新的方向，超越了传统意义上的不可能。在这个过程中，他开辟了新的子领域，彻底改变了我们目前对渲染、视觉外观和生成全新图像的认知。

闫令琪已经在 SIGGRAPH 和 TOG 上发表了十几篇文章，其中包括在论文中提到的七篇文章。SIGGRAPH 社区以 2019 ACM SIGGRAPH 优秀博士论文奖表彰他取得的非凡成就，并期待他在未来能取得更加辉煌的成绩。

华人学者再获 SIGGRAPH 优秀博士论文奖：「每章都能作为博士论文」

图2 闫令琪博士

雷锋网 (公众号：雷锋网) AI 科技评论将相关链接整理如下：

闫令琪博士论文

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

SIGGRAPH 颁奖词原文

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

更多关于闫令琪博士

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

*关于 2018 优秀博士论文奖获得者

Jun-Yan Zhu（朱俊彦），毕业于麻省理工学院，计算机图形学领域现代机器学习应用的开拓者。他的论文是第一篇用深度神经网络系统地解决自然图像合成问题的论文，其核心的科研成果——CycleGAN，不仅被研究人员广泛使用，还深得众多视觉艺术家的追捧；从生成合成训练数据（计算机视觉）到将 MRI 影像转换为 CT 扫描影像（医学影像），再到 NLP 和语音合成的应用，都有 CycleGAN 的一席之地。

雷锋网AI 科技评论

雷锋网原创文章，未经授权禁止转载。详情见转载须知。

原文 https://www.leiphone.com/news/201905/LIEsj1NWDRJK1EFR.html

正文到此结束