2019年5月13日，自动化所模式识别大讲堂邀请到了来自英伟达公司的jos stam博士，并作题为“the art of fluid animation”的学术报告。
stam的研究跨越了计算机图形学的多个方面：自然现象模拟、基于物理的模拟与渲染、细分曲面技术等，在上述领域他有多篇论文发表于siggraph 年会上。由于他在流体动画和细分曲面方面的贡献，2005年被授予计算机图形学中一个最负盛名的大奖：siggraph 计算机图形成就奖。此外，他三次获得了美国电影艺术与科学学院奖的技术成就奖（即奥斯卡技术奖）：2006和2019 年因细分曲面的工作而获奖，2008 年他因流体仿真的工作而获奖。
jos stam报告现场
报告现场听众提问
jos stam首先简单向大家介绍了流体仿真的过程。他从真实场景的流体（包括海浪、水滴、烟雾、岩石等等）出发，将其抽象成空间中的粒子，通过求解navier-stokes方程来改变粒子的速度，使得这些流体动起来。stam展示了很多流体仿真的场景，仿真效果非常真实并且能够达到实时。除了流体的物理仿真技术，stam结合自动化所的人工智能研究背景，还介绍了自己早在2004年就曾使用过的一种利用伴随法（the adjoint method）计算梯度的方法。该方法在2018年的neurips的最佳论文《neural ordinary differential equations》中被用来求解常微分方程的梯度。如何将数学（包括流体力学）的经典工作融入到机器学习中使得神经网络更加可解释是stam感兴趣的方向之一。
参与老师和同学们对流体仿真的实时性、硬件对仿真的影响、伴随法的适用范围等踊跃提问，stam博士耐心地一一回答。值得一提的是，在报告后的午餐桌上stam依然跟大家就共同关心的深度学习问题展开热烈讨论，特别是信息论对机器学习的推进作用。stam非常乐于接受来自不同领域的知识，正如他自己所说，“the most important part of my talk is the question session”。
报告由模式识别国家重点实验室的叶军涛副研究员主持，听众包括自动化所模式识别实验室、智能感知中心以及专程赶来的天津大学等高校的师生。模式识别学术大讲堂给同学和老师们提供了更多与外部交流的机会，有助于在学术思想和观点上碰撞出新的火花。
午餐桌上的热烈讨论
为《the art of fluid animation》的中文版签名
|
