浙江大學微信公眾號
每一個物體都有自己的形狀與材質，它們組成了流光溢彩的真實世界。如何在數字世界裡逼真地“描述”和“繪製”這些物體是真實感圖形研究的目標。然而，圖形越真實，計算複雜度越高，效率也越低。如何實現真實感圖形的高效計算是計算機圖形學研究面臨的重大挑戰。
浙江大學計算機輔助設計與圖形學國家重點實驗室周昆教授領銜的團隊率先開展了GPU架構上的真實感圖形實時計算研究，經過十餘年不懈努力，首次建立了全GPU執行的真實感圖形繪製流水線，形成了貫穿圖形表示、建模、繪製全過程的理論體系。
在日前召開的國家科學技術獎勵大會上，這項成果獲得2020年度國家自然科學獎二等獎。
困擾學術界的“老大難”問題
真實感圖形主要研究三維物件表示、建模與繪製的計算原理和方法，是“描繪”三維世界的理論基礎，是資訊產業的核心支撐技術。
計算機圖形學自上世紀60年代誕生以來經歷了光柵圖形和真實感圖形的發展階段。光柵圖形將三維模型轉化為深度影象進行計算，GPU硬體推動了實時光柵圖形技術的發展應用。然而，真實感圖形計算複雜度高，依賴於CPU, 還侷限於非實時應用。到本世紀初，GPU的計算效能逐步超過CPU，如何在GPU上進行真實感圖形實時計算成為學術界和工業界共同關注的問題。
圖靈獎得主、美國兩院院士、斯坦福大學Pat Hanrahan教授指出：“每個人都意識到將程式轉到GPU上執行是一件大事”。相比於CPU擅長複雜的序列計算，能處理各種不同的資料型別，GPU是單指令多資料流的大規模並行架構，只能處理型別高度統一的規則資料。而真實感圖形本質上是不規則資料的不規則計算：三維模型由分佈不均勻，取樣不規則的點、線、面構成；光線在三維場景中的反射是不規則計算。如何建立不規則資料結構和計算與GPU規則平行計算架構之間的高效對映是長期困擾學術界的難題。
“其根本難題在於：三維圖形資料不規則，缺乏GPU上的圖形資料結構，真實感繪製計算不規則，無法全GPU執行真實感繪製流水線。亟待GPU架構上的真實感圖形實時計算理論體系”，周昆介紹說，圍繞這一根本難題，他帶領團隊進行了長達十餘年的探索。
前排左一為周昆
解決瓶頸問題 開拓學科新方向
專案組率先開展了GPU架構上的真實感圖形實時計算研究，在十幾年的科研探索中，團隊收穫不斷，形成了貫穿圖形表示、建模、繪製全過程的理論體系，開拓了從CPU到GPU的真實感圖形計算新方向。
在圖形表示方面，發現了三維模型空間層次結構的分解重組規律，建立了空間層次結構的資料平行計算機制，首次構建了高效儲存和高速訪問的高並行樹狀資料結構，提出了曲面重建、光線跟蹤等核心圖形功能的實時平行計算方法；在圖形建模方面，揭示了真實感建模中觀測資料與先驗機率的相互作用機理，提出了先驗模型與形變學習融合的智慧建模方法；在圖形繪製方面，揭示了真實感圖形繪製中光源、幾何與材質的解耦機理，建立了動態場景繪製的解耦計算模型，提出了動態幾何與材質的預計算實時繪製方法，首次構建了完全執行在GPU上的真實感繪製流水線。
這些研究成果得到了國內外學者的廣泛認可，引領了真實感圖形實時計算方向的研究。專案主要工作被評價為“首個（the first）”“最初的論文（initial papers）”“最好（the best）”“最先進（state-of-the-art）”等。周昆教授因專案成果當選了IEEE Fellow，獲得了MIT TR35全球創新青年獎、陳嘉庚青年科學獎、浙江省自然科學一等獎，連續六年入選了Elsevier中國高被引學者。圖靈獎得主Hanrahan教授以及來自微軟、Intel等知名機構的研究人員聯合署名論文評價專案工作將真實感圖形繪製的整個流水線對映到了GPU，IEEE Fellow、美國加州大學戴維斯分校John Owens教授評價專案研製的繪製引擎的效能比主流商業軟體提高了一個數量級，MIT《Technology Review》評價專案成果“實時生成了電影質量的圖形”，陳嘉庚青年科學獎評價專案工作“首次展示了以互動級速度實現電影級真實感圖形繪製的可行性，引領了學術界基於GPU的真實感圖形並行繪製的研究方向”。
（原標題《實時逼真地描繪三維世界！浙大教授攻克真實感圖形計算的“效能”瓶頸》。）
