0
雷鋒網(wǎng) AI 科技評論按：繼 2018 年華人學者朱俊彥博士獲得由頂級計算圖形學機構 ACM SIGGRAPH 頒發(fā)的優(yōu)秀博士論文獎后，今年華人學者再獲嘉譽，2019 優(yōu)秀博士論文獎獲得者為畢業(yè)于加州大學伯克利分校的閆令琪博士。而他的博士論文頒獎詞：「將閆令琪博士論文的任一章節(jié)摘取出，都可以自成一篇博士論文」，充分代表了業(yè)內(nèi)對其卓越學術成就的至高評價。
圖1 閆令琪博士
從高考狀元到 CS 學神
很多人第一次聽到閆令琪這個名字，或許更多是和「2009 年安徽省阜陽高考狀元」相關聯(lián)的。那時他就曾表示過，做任何事情都需要科學的方法——目標性、計劃性、勞逸結合，即對自己能力有清晰認識并制定合理目標，然后進行科學高效的規(guī)劃安排，通過勞逸結合將效率最大化，最后實現(xiàn)目標。
因此，閆令琪高考結束，就進入了它的目標院?！迦A大學計算機系，并在 2013 年順利畢業(yè)，獲得清華大學計算機系的學士學位。而之后在 2018 年獲得加州大學伯克利分校博士學位，現(xiàn)擔任加州大學圣巴巴拉分校助理教授。
他的主要研究方向是計算機圖形學、基于物理的真實感圖形渲染及其相關的數(shù)學和物理理論，包括真實感材質(zhì)觀測和建模、離線和實時的光線追蹤、信號的采樣和重建、高效的光線傳播和散射等。
他的博士論文在微觀結構高光反射模型，毛發(fā)反射模型和快速蒙特卡洛繪制方法方面做出了突破性的貢獻。他以第一作者發(fā)表了 7 篇 SIGGRAPH 論文，并在快速蒙特卡洛繪制方法方面的貢獻直接推動了工業(yè)界光線追蹤 GPU 架構（Optix5, RTX GPUs）的發(fā)展，使得實時光線跟蹤成為可能。
在 2018 年，閆令琪因其開創(chuàng)性研究被授予 C.V. Ramamoorthy 杰出科研獎。此外，他的科研成果還被直接應用于電影和游戲行業(yè)，助力影片《猩球崛起 3：終極之戰(zhàn)》獲得 2018 年奧斯卡最佳視覺效果獎提名。
來自 ACM SIGGRAPH 的評價
閆令琪的論文為計算機圖形渲染視覺外觀建模提供了一個統(tǒng)一、綜合的視圖，每一章都可以是一篇獨立的博士論文。該研究所生成的驚艷視覺圖像，是近期 SIGGRAPH 大會的亮點，也對相關行業(yè)產(chǎn)生了極大的實用性影響。閆令琪發(fā)表了 7 篇 SIGGRAPH 論文和一篇 ACM TOG 論文，這樣的成績大大超越了其他人。
本論文在三個方面提供了突破性的貢獻：鏡面微結構或微光建模、毛皮反射和快速蒙特卡洛渲染。關于微光部分，則是基于 2014 年、2016 年和 2018 年的論文，介紹了如何分析評估鏡面反射，以及如何執(zhí)行光傳遞的全波動光學模擬，這些思想在商業(yè)產(chǎn)品中有所運用，如 AutoDesk Fusion 360 和 Rise of the Tomb Raider 2016。在論文第二章，閆令琪開發(fā)了一個動物皮毛模型，通過測量和模擬來進行測試，然后簡化并推廣模型，并展示了如何用它進行全局光照計算。這一技術后來被用于維塔數(shù)碼的電影「猩球崛起 3」中。論文第三章則是關于全局光照，展示了對蒙特卡洛渲染去噪的重大突破，以及其他基于濾波的渲去噪方法。
這些方法和其它相關研究啟發(fā)了當前蒙特卡洛采樣方法和去噪管道，包括 NVIDIA 的最新軟件（Optix5,2017）和硬件（RTX GPU，2018），這使實時光線追蹤首次具有實現(xiàn)的可能。
閆令琪所做的不僅僅是解決該領域的開放性問題；相反，他已經(jīng)把計算機圖形學帶入了全新的方向，超越了傳統(tǒng)意義上的不可能。在這個過程中，他開辟了新的子領域，徹底改變了我們目前對渲染、視覺外觀和生成全新圖像的認知。
閆令琪已經(jīng)在 SIGGRAPH 和 TOG 上發(fā)表了十幾篇文章，其中包括在論文中提到的七篇文章。SIGGRAPH 社區(qū)以 2019 ACM SIGGRAPH 優(yōu)秀博士論文獎表彰他取得的非凡成就，并期待他在未來能取得更加輝煌的成績。
圖2 閆令琪博士
雷鋒網(wǎng) AI 科技評論將相關鏈接整理如下：
閆令琪博士論文
https://sites.cs.ucsb.edu/~lingqi/publications/thesis_final.pdf
SIGGRAPH 頒獎詞原文
https://www.siggraph.org/2019-outstanding-doctoral-dissertation-award-lingqi-yan/
更多關于閆令琪博士
*關于 2018 優(yōu)秀博士論文獎獲得者
Jun-Yan Zhu（朱俊彥），畢業(yè)于麻省理工學院，計算機圖形學領域現(xiàn)代機器學習應用的開拓者。他的論文是第一篇用深度神經(jīng)網(wǎng)絡系統(tǒng)地解決自然圖像合成問題的論文，其核心的科研成果——CycleGAN，不僅被研究人員廣泛使用，還深得眾多視覺藝術家的追捧；從生成合成訓練數(shù)據(jù)（計算機視覺）到將 MRI 影像轉(zhuǎn)換為 CT 掃描影像（醫(yī)學影像），再到 NLP 和語音合成的應用，都有 CycleGAN 的一席之地。
雷鋒網(wǎng)AI 科技評論
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
