个人简介

曹娟，厦门大学数学科学学院教授、博士生导师，福建省杰出青年项目获得者。主要从事计算机辅助几何设计与图形学领域研究，包括复杂几何建模、等几何分析、高质量网格生成等。已在ACM TOG、IEEE TVCG、CMAME、CAD、CAGD等期刊上发表学术论文六十余篇，获CAD 2016最佳论文奖、SPM 2018最佳论文一等奖等多个奖项。担任计算机图形学与混合现实前沿研讨会（GAMES）常务委员、CCF计算机辅助设计与图形学专业委员会执行委员, CSIAM几何设计与计算专业委员会委员、CSIG三维视觉专业委员会及智能图形专业委员会委员。

报告题目：AI辅助高性能真实感图形渲染技术

报告摘要：当前，以深度学习为代表的AI技术的发展为高性能真实感渲染提供了新的路径，AI辅助渲染逐渐成为渲染领域一种新的范式。本次报告将分享我们在AI辅助高性能真实感图形渲染方向近期的一些研究工作，也将介绍我们在国产化自主可控图形渲染引擎研制方面的进展。这些研究成果提高了大规模三维场景渲染的性能，为未来虚拟现实、元宇宙、具身智能等新型数字经济产业的持续发展提供技术保障。

个人简介：过洁，现任南京大学计算机学院、计算机软件新技术全国重点实验室长聘副教授（特聘研究员）、博导，主要研究方向为图形渲染技术和虚拟现实技术。迄今为止，在国内外主流期刊和会议上发表高水平学术论文100多篇，包括SIGGRAPH、CVPR、ICCV、ACM TOG、IEEE TVCG等。近年来带领团队研制国产真实感渲染引擎Moer Renderer（获CCF CAD&CG专委2024年度优秀图形开源软件奖）和国产实时渲染引擎MoerEngine。相关研究成果深入应用在文物保护、基础教育、消费电子和影视娱乐等多个行业。过洁担任包括SIGGRAPH Asia在内的多个国际、国内学术会议的程序委员会委员，曾获得华为火花奖、江苏省工程师学会优秀青年工程师奖、江苏省计算机学会青年科技奖等奖励。

报告题目：三维几何材质重建：从宏观到微观

报告摘要：现实世界是丰富多彩的，包括了丰富的几何、多彩的外观和斑斓的光影。在自动驾驶、工业设计等应用中通常需要为现实世界构建真实感的三维数字世界，需要从物理世界获取几何和材质，其核心问题在于如何进行几何、材质表达，如何对几何、材质进行约束，本次报告中将介绍近两年团队在几何/材质重建方面的相关工作。

个人简介：王贝贝, 南京大学智能科学与技术学院教授，博士生导师。研究方向为计算机图形学渲染方向。曾在INRIA从事博士后研究，曾作为骨干参与Disney Infinity研发。以第一/通讯作者在ACM TOG、SIGGRAPH（Asia）、IEEE TVCG、CVPR发表论文近三十篇，入选TOG封面文章三次。提出SpongeCake材质模型，应用于多个引擎中。主持国家自然科学基金面上项目、科技创新2030旗舰项目子课题及企业项目等。担任Computer Graphics Forum的编委，担任第36届EGSR程序委员会共同主席，担任SIGGRAPH 2025 Sorting委员会委员，担任SIGGRAPH等会议程序委员会委员。

报告题目：智能CAD 2.0

报告摘要：随着生成式AI与多模态技术的快速发展，AI+CAD正在进入新阶段。然而，“智能CAD”这一概念在当前语境下的内涵与上世纪诞生的智能CAD技术有何本质区别，仍值得深入反思与界定。本报告将围绕“智能CAD 2.0”的概念内涵和关键问题展开讨论，并介绍我们在这些问题上的研究进展，主要包括spline生成、B-rep学习、cad生成、智能直接建模等。

个人简介：邹强，浙江大学CAD&CG全国重点实验室研究员、博士生导师。研究方向为几何建模和CAD/CAM，主持浙江省重点研发计划项目、国家自然科学基金项目、国防科工局课题等，发表CAD、CIRP Annals、ASME Trans等一流论文40余篇，研究成果应用于某国防重点航空型号的研制，支撑CAD软件关键技术国产化替代，获CCF CAD&CG青年科技奖、省优秀论文奖（唯一作者）、省自然科学学术成果二等奖等。任《计算机辅助设计与图形学学报》编委，SPM、CAD/CG等国际国内一流会议组委。

报告题目：三维测量数据处理、分析与生成

报告摘要：随着三维传感器与成像技术的飞速发展，高质量三维数据的获取、处理与理解正成为智能制造、机器人感知、数字孪生等领域的核心支撑。本报告围绕“三维几何学习在实际应用中的研究”主题，系统介绍我们在三维测量数据处理、分析与生成方面的研究进展与成果。具体内容包括：三维数据去噪、配准、补全重建、特征计算、以及融合预训练模型先验的三维编辑与生成方法。此外，报告还将探讨将三维几何与物理运动属性融合的研究前景，旨在实现对复杂场景中物体形状、物理属性与动态行为的统一感知与生成。

个人简介：陈红华，新加坡南洋理工大学S-Lab博士后研究员。2022年博士毕业于南京航空航天大学，2020年12月至2022年4月，在香港中文大学担任研究助理。主要研究领域为计算机辅助设计与智能制造，专注高精度三维测量数据处理、分析、生成与装配质量控制。已发表多篇国际顶级会议和期刊论文（SIGGRAPH，CVPR、ICCV、TPAMI、IJCV、TVCG、TASE、CAD 等），并获授权国家发明专利十余项。荣获2024年度CCF-CAD&CG博士学位论文激励计划”的获奖者、中国发明协会发明创新奖一等奖。

报告题目：高性能图形计算框架LuisaCompute

报告摘要：更高真实感和更快渲染速度的是图形渲染领域一直追求的目标。然而，图形 API 的碎片化、现有着色语言表达力的缺失（例如缺乏对多态等高级语言设施的支持），极大增加了基于GPU的高性能渲染应用开发维护和性能优化的复杂性。本报告将介绍高性能计算框架LuisaCompute，兼具代码统一性、可编程性和高性能。该框架允许开发者在统一的编程环境中无缝编写宿主端与设备端逻辑，降低了GPU编程的复杂性。框架通过即时编译（JIT）技术，将C++代码动态编译为针对不同硬件后端（如CUDA、DirectX、Metal等）优化的高效指令，实现了一次编写、多平台高性能运行。我们在该框架上进一步构建了蒙特卡洛光线追踪渲染器LuisaRender，在多个测试场景的实验表明，LuisaRender性能显著优于国际同类渲染器PBRT和Mitsuba。

个人简介：徐昆，清华大学计算机系长聘副教授、博士生导师，国家优秀青年基金获得者。2009年毕业于清华大学获博士学位。主要从事计算机图形学和真实感渲染等领域的研究。在ACM SIGGRAPH, ACM TOG, IEEE TVCG等重要会议期刊发表论文40余篇。担任Computers & Graphics编委，曾担任国际会议Pacific Graphics程序委员会共同主席（2015年）。获国家自然科学奖二等奖一项（排名4），国家科技进步奖二等奖一项（排名4），中国计算机学会优秀博士学位论文奖，入选中国科协“青年人才托举工程”。

报告题目：计图高斯库

报告摘要：计图高斯库（JGaussian）基于国产深度学习框架计图（Jittor）研发，系统化实现三维高斯泼溅五大突破性功能：在高斯泼溅分布优化方面，通过SeG-Gaussian方法利用语义分割掩码自动识别欠优化区域，结合互斥与平滑损失约束，提升被遮挡区域渲染精度；针对高斯泼溅实时几何变形编辑需求，创新高斯网GaussianMesh表示，引入法向引导策略与面片分裂机制，实现了实时大尺度变形编辑；为突破纹理材质解耦编辑瓶颈，提出DeferredGS框架，基于法向场蒸馏与延迟渲染管线，实现几何-纹理-光照完全解耦，提升渲染真实度；在高斯泼溅风格编辑领域，提出StylizedGS方法，融合颜色-几何联合优化与深度保持正则项，提升多视角风格一致性；面向数字人头光照编辑场景，提出GSHeadRelight模型，采用辐射传输建模与单色光解耦策略，实现实时高真实感人脸重光照。该库环境配置简单快速，2分钟即可完成安装部署；其Python API设计简洁易用，开发者仅需基础编程能力即可快速实现高斯泼溅的优化、编辑与渲染全流程开发。

个人简介：张凌霄，中国科学院计算技术研究所工程师，研究方向包括三维视觉、计算机图形学等，在IEEE TPAMI、IEEE TVCG、IEEE TMI等期刊和会议上发表多篇论文。

报告题目：OpenSVBRDF：⼤规模近平⾯各向异性表观实测数据库

报告摘要：通过自研采集重建软硬件系统，突破了现有工作无法同时支持高鲁棒性、高质量与高效率的局限，构建了首个大规模高精度平面各向异性材质表观实测数据库OpenSVBRDF，包含 1,000个空间分辨率为1,024×1,024的高质量材质样本，等效超过10 亿个实测 BRDF ，覆盖木材、织物、陶瓷、皮革、金属等 9大材质类别。OpenSVBRDF填补了计算机图形学领域在大规模实测材质数据库上多年来的空白，为相关研究提供了坚实的数据支撑。已授权发明专利1项，并获得Graphics Replicability Stamp权威认证。自发布至今，用户共来自全球146家单位，分布于美加英法德日韩等15个国家，包括Stanford、Yale、Columbia、ETH、EPFL、UC等著名高校和NVIDIA、Meta、Adobe、Autodesk、三星、腾讯等行业领军企业。

个人简介：马晓鹤，博士毕业于浙江大学计算机辅助设计与图形系统全国重点实验室，导师吴鸿智教授。博士期间主要研究兴趣为高精度的材质采集与建模方法。参与研制了多套高密度光源阵列采集装备，包括首台手持式材质扫描仪与平面材质采集设备，研究成果发表于ACM TOG/IEEE TVCG等CCF-A类期刊，获多项中外发明专利授权。在读期间获博士生国家奖学金。曾任SIGGRAPH 2024, Eurographics 2025, TOG, TVCG等多个顶会顶刊审稿人。在美国加州Adobe总部实习期间开始探索生成式材质获取，成果被SIGGRAPH 2025接收，目前致力于3D生成方向的前沿研究。

报告题目：Wonder3D 基于跨域扩散模型的三维生成技术

报告摘要：Wonder3D（https://www.xxlong.site/Wonder3D/）是一项开源图形学项目，旨在实现从单张图片高效生成高保真带纹理的三维网格模型。项目源码已在GitHub开源，获得超过5200颗star，受到全球开发者和研究者的广泛关注和好评。随着AIGC（生成式人工智能）和三维视觉的快速发展，如何从二维图片高效、准确地重建三维模型成为计算机视觉与图形学领域的重要研究方向。传统基于Score Distillation Sampling (SDS)损失的方法虽可利用2D扩散模型的先验恢复3D结构，但通常存在每个形状优化耗时长、几何不一致等问题。Wonder3D创新性地提出了跨域扩散模型（cross-domain diffusion model），能够从单张图片生成多视角法线图和对应的彩色图像。此外，Wonder3D还设计了几何感知法线融合算法（geometry-aware normal fusion），可从多视角2D表示中提取高质量三维表面。

个人简介：龙霄潇，南京大学智能科学与技术学院准聘副教授，博士生导师，南京大学紫金学者，姑苏青年学者，国家级青年人才（海外）。 长期关注三维重建与生成、空间/具身智能、世界模型等方向的研究，近5年在TPAMI / CVPR / SIGGRAPH等国际顶级计算机视觉与图形学期刊会议上发表文章四十余篇，其中第一作者与通讯作者论文20余篇，谷歌学术总引用量3000余次。带领同学获得ICRA 2025 Maniskill 国际视触觉操作挑战赛冠军。获得2025年世界人工智能大会WAIC云帆奖-明日之星奖项。