SIGGRAPH 2019 Report
•Download as PPTX, PDF•
7 likes•6,792 views
2019/7/28〜8/1にアメリカロサンゼルスで開催された世界最大のCGの祭典SIGGRAPHに、DeNAのAI研究開発エンジニアである宮澤が参加しました。本報告では、主にコンピュータビジョンやディープラーニングの観点から興味深い発表についてまとめました。
Recommended
Recommended
More Related Content
What's hot
What's hot (20)
Similar to SIGGRAPH 2019 Report
Similar to SIGGRAPH 2019 Report (20)
More from Kazuyuki Miyazawa
More from Kazuyuki Miyazawa (11)
Recently uploaded
Recently uploaded (8)
SIGGRAPH 2019 Report
- 1. SIGGRAPH2019報告 宮澤 一之 AI本部 AIシステム部 AI研究開発第二グループ 株式会社ディー・エヌ・エー • 論文紹介等における図表は、特に断りのない限り紹介対象の論文から引用したものです • 会場の写真等は報告者が撮影したものです
- 2. 自己紹介 2 • 2007〜2010年 東北大学博士課程 生体認証やステレオビジョンの研究に従事 日本学術振興会特別研究員（DC1） • 2010〜2019年 電機メーカ研究所 映像符号化、標準化活動 車載・監視カメラ物体認識、外観検査 • 2019年〜 DeNA @kzykmyzw 宮澤 一之 株式会社ディー・エヌ・エー AI本部 AIシステム部 AI研究開発エンジニア
- 3. SIGGRAPH（シーグラフ）とは • ACM SIGGRAPH（Special Interest Group on Computer Graphics）主催のコンピュータグラフィックス（CG）に 関するトップカンファレンス • 年に1回アメリカまたはカナダで開催され、近年の参加者 は15,000人前後（1997年のピーク時には５万人弱） • CGに関する最新論文の発表やデモの他、企業ブースや CG作品の上映、プロダクションによる最新映画のメイキ ングに関する講演など、多種多様なセッションがある • メインとなる技術論文はTechnical Papersと呼ばれ、採 択率は3割程度 • 2008年からはアジア地域で開催するSIGGRAPH Asiaが開 始（2018年の東京開催ではDeNAもスポンサーに） 3 https://www.siggraph.org/about/logos/
- 4. SIGGRAPH2019 • 7月28日〜8月1日の５日間、Los Angeles Convention Centerで開催 • 隣にMicrosoft Theaterという劇場があり、そちらでCG作品の上映会などを開催 4
- 7. Programs & Events • 1日に80近いセッション（朝8時〜夜8時くらい）が開催され、スケジューリングに迷う • コンピュータビジョンやディープラーニングの技術的観点から興味深いもの、および SIGGRAPHとしてポピュラーなものをチェック • 主にチェックしたセッション Technical Papers：オーラル発表にあたるセッションで技術的に世界最高峰 Posters：ポスター発表 Emerging Technologies：未完成だが先端的な技術のデモ発表 ACM SIGGRAPH Frontiers：招待講演やワークショップなど Production Sessions：最新映画やドラマのメイキングに関する講演 VR Theater：VR映像・ゲームの体験 Computer Animation Festival：優れたCG作品をシアターで上映 7
- 8. Programs & Events • 1日に80近いセッション（朝8時〜夜8時くらい）が開催され、スケジューリングに迷う • コンピュータビジョンやディープラーニングの技術的観点から興味深いもの、および SIGGRAPHとしてポピュラーなものをチェック • 主にチェックしたセッション Technical Papers：オーラル発表にあたるセッションで技術的に世界最高峰 Posters：ポスター発表 Emerging Technologies：未完成だが先端的な技術のデモ発表 ACM SIGGRAPH Frontiers：招待講演やワークショップなど Production Sessions：最新映画やドラマのメイキングに関する講演 VR Theater：VR映像・ゲームの体験 Computer Animation Festival：優れたCG作品をシアターで上映 8
- 9. Technical Papers • 30ヶ国から385本の投稿があり、111本が採択（採択率28.8%） • ACM Transactions on Graphicsからの招待論文31本を含め、142本が発表された • 32カテゴリに分けて発表され、各カテゴリは4〜5本程度 9 1. Image Science 2. Shape Science 3. Light Science 4. Capture Control 5. Advanced Volume Rendering 6. Human Capture and Modeling 7. Meshing 8. High Performance Rendering 9. Photo Science 10. Textile and Fabrication 11. Neural Rendering 12. Deformation and FEM 13. Learning to Move 14. Relighting and View Synthesis 15. Fabrication 16. Scene and Object Reconstruction 17. Transport: Parallel and Optimal 18. Off the Deep End 19. Fluids I 20. VR and AR 21. Motion in Control 22. Maps and Operations 23. Video 24. Fabricated Results 25. Animation and Skinning 26. Computational Imaging 27. MPM and Collision 28. Sound Graphics 29. Machine Learning for Rendering 30. Fluids II 31. Design and Layout 32. Acquiring, Perceiving and Rendering Material Appearance
- 10. 2019年の傾向 • 初参加のため例年との比較はできないが、昨年のカテゴリタイトルと比べてみると、ディープラーニ ングを想起させるものが増えている Neural Rendering、Off the Deep End、Machin Learning for Rendering • 142本全てに目を通したところ、ディープラーニングを取り入れている論文は44本（31%） • ディープラーニングの利用が5割以上のカテゴリ（上記3つの特化カテゴリは自明のため除く） Image Science：画像取得、画像処理 Capture/Control：動きや形状の取得のためのセンサ、モーションコントロール Human Capture and Modeling：人間の動きや形状の取得 Photo Science：画像の生成やスタイル変換 Learning to Move：キャラクターの動きの生成 Relighting and View Synthesis：任意視点、任意照明条件画像の生成 Animation and Skinning：3Dモデルとスケルトンの関連付け Sound Graphics：CGへの音響付与 Design and Layout：デザインやレイアウトの自動化 Acquiring, Perceiving and Rendering Material Appearance：材質のアピアランスの取得、表現 10
- 11. 発表の様子 • 発表は質疑応答含めて20分強 • 提案技術の欠点や対応できないケースについて最後にしっかりと説明する発表が非常に多かった • どの発表でもほぼ必ず3、4件以上の質問が会場から出ていた 11
- 12. 紹介論文 • Hyperparameter Optimization in Black-box Image Processing using Differentiable Proxies • Handheld Multi-Frame Super-Resolution • Local Light Field Fusion: Practical View Synthesis with Prescriptive Sampling Guidelines • LiveCap: Real-Time Human Performance Capture from Monocular Video • TileGAN: Synthesis of Large-Scale Non-Homogeneous Textures • Progressive Color Transfer with Dense Semantic Correspondences • VR Facial Animation via Multiview Image Translation • Text-based Editing of Talking-head Video • MeshCNN: A Network with an Edge • Stylizing Video by Example • Content-aware Generative Modeling of Graphic Design Layouts 12
- 14. 概要 • デジカメにおける絵作りを担当するImage Signal Processing（ISP）ユニットには数多くの パラメータがあり、職人によって時には数ヶ月をかけてチューニングされている • CNNによってISPの挙動を模倣し、目的に応じた尺度に基づいてISPの最適なパラメータを 自動的に算出する手法を提案 • 手動でのパラメータ探索を主観的、客観的に上回る性能を達成 14 https://www.youtube.com/watch?v=jq0xY5hIE8o
- 15. 手法 • ISPパラメータをランダムに変えた画像のDBを作り、入力画像とISPパラメータのペアから ISP処理後の画像を推測するUNetライクなCNNを学習 • 学習完了後、目的となるタスクに沿ったロスを設定し、学習で得られたCNNの重みは固定 したうえでロスを最小化するISPパラメータをbackpropagationで求める • 画質調整等では、真値画像と出力画像との差分をロスとして与える • IoUをロスとして与え、ISPパラメータの調整で物体検出の精度を向上させることも可能 15
- 16. 結果（上段：ノイズ除去、下段：物体検出） 16 Detection with optimized parametersDetection with expert-tuned parameters
- 18. 概要 • 1つの撮像素子でカラー画像を得るにはRGBを異なる画素に割り当てるカラーフィルタが用 いられるが、これにより解像度が低下する • 手持ちカメラにより撮影された動画を用いれば手ブレにより微小に位置ずれした複数枚の画 像が得られることになり、位置ずれを補正して再サンプリングすることで超解像が可能 • 手ブレのランダム性や被写体の動き、オクルージョン等を考慮することで性能を向上 18
- 19. 手法 • 微小な動きのある動画の各フレームを位置合わせし、各フレームがある画素に対してどの程 度寄与するかをカーネル回帰により推定 • 局所的なディテールの強調、および時系列でのデノイジングが可能な異方性のガウス型RBF （anisotropic Gaussian Radial Basis Function）をカーネル関数として利用 • 画素値の統計量に基づいて位置合わせのミスやオクルージョンが発生しやすい領域を特定し、 そうした領域を除外して各フレームをマージすることでロバストな超解像を実現 19
- 22. 概要 • 不規則なグリッド状の視点から撮影した複数の画像を用いて新たな視点の画像を生成 • 従来は非常に多くの撮影視点が必要であり撮影が困難だったが、撮影視点を削減し、ユーザ に対して最適な撮影視点をガイドするアルゴリズムを開発 • ディープラーニングを用いた画像合成により、極めて自然な画像の生成を実現 22
- 23. 手法 • 各視点の画像とその隣接視点の画像を3D CNNに入力し、シーンを奥行き方向に離散的に分 割した表現方法であるMPI（Multiplane Image）に変換 • ターゲットとなる視点の画像を各MPIから生成し、それらの重み付き和により最終的な画像 をレンダリング • 単純に各MPIをブレンディングするとオクルージョン領域でアーチファクトが発生するため、 オクルージョン領域をそれぞれのMPIでカバーし合うことで自然なレンダリングを実現 23
- 26. 概要 • 単眼カメラの映像から時空間的に一貫性のある人物の3次元形状を服装も含めて取得 • あらかじめ複数視点から撮影した画像から3次元のテンプレートモデルを生成しておき、そ れを現在の撮影フレームに合うように変形させる • 2つのGPUと1つのCPUを用いたパイプライン実装により25fpsのリアルタイム処理を実現 26
- 27. 手法 • 前処理として対象人物の多視点画像から3Dテンプレートを生成し、スケルトンと顔ランドマー クを手動で設定してhuman parsingにより皮膚や衣類種別などモデル表面のタイプを分類 • 入力フレームに対し、関節と顔ランドマークの位置、シルエットのアラインメント、時間方向 の安定性および解剖学的な妥当性を考慮したエネルギー最小化によりスケルトンの姿勢を推定 • 推定したスケルトン姿勢に合わせた3Dテンプレートを初期値として、入力フレームに合うよう にテンプレートの表面形状を非剛体レジストレーションにより変形させる • 入力フレーム処理（CPU）、姿勢推定（GPU1）、最適化とレジストレーション（GPU２）を パイプライン実装し、リアルタイム処理を実現 27
- 31. 手法 • 生成したいテクスチャでGANの学習を行い、中間層の特徴マップを取り出してそこから最 終的に生成される画像とペアにして特徴マップ/画像のデータベースを構築 • 画像生成時には、参照画像を与えてそれをタイルに分割し、各タイルに類似する画像をDB から検索して対応する特徴マップを得る • タイルごとに得られた特徴マップを並べ、これをGeneratorの中間層に挿入して画像を生成 • 画像サイズやタイル間のブレンディングの度合いは特徴マップのクロップで調整可能 31
- 32. 結果 32
- 34. 概要 • 対象画像と参照画像との構図が著しく異なる状況でのcolor transferは不自然な画像となる ことがある • 対象画像と参照画像との間で意味的な対応づけを行い、同じ意味を持つものが同じ色になる ようにすることで自然なcolor transferを実現 34
- 35. 手法 • 対象画像と参照画像の双方からVGG特徴を抽出し、特徴マップ上での最近傍探索により画 像間の意味的な対応関係を求める • 得られた対応関係からcolor transferのガイドとなる画像を生成し、ガイド画像と参照画像 との差異を目的関数に設定して最適化問題を解くことでcolor transferを行う • 上記の処理をプログレッシブに繰り返すことで最終的な画像を生成 • 複数の参照画像を用いる場合にも拡張可能であり、この場合は各参照画像から得られたガイ ド画像を1枚に統合して用いる 35
- 36. 結果 36
- 37. 37 Paper: https://research.fb.com/publications/vr-facial-animation-via-multiview-image-translation/
- 38. 概要 • VRヘッドセットをつけた状態で実世界に近いコミュニケーションを実現するため、ヘッド セット内のカメラで撮影した画像からその人の3D顔モデルをリアルタイムにレンダリング • あらかじめマルチカメラシステムを用いて個人の高精度な3D顔モデルを構築しておき、 ヘッドセット内のカメラ画像から対応関係を求めてモデルを現在の表情や顔向きに合わせる ためのパラメータを推測 • ヘッドセットのカメラ画像とモデル画像とのドメインギャップを埋めるため、GANに基づ くimage transferを利用 38
- 39. 手法 • ヘッドマウントカメラの画像を入力とするエンコーダと、エンコード結果から3Dメッシュ とテクスチャを生成するデコーダを利用（デコーダは他論文で発表） • 生成した3Dモデルからヘッドマウントカメラ視点の画像を生成し、これらと実際のヘッド マウントカメラ画像とのロスを最小化することでエンコーダを学習 • 3Dモデルから生成した画像はカラーだがヘッドマウントカメラの画像はIRであるなどドメ インギャップがあるため、image transferによりギャップを軽減してからロスを計算 39
- 43. 概要 • 映像中の人が話している内容をテキストベースで編集することで、編集後のテキストに合う ように映像と音声の双方を生成 • 入力映像に対し、新たなワードの追加、既存ワードの変更および削除が可能 • 入力映像から話者の顔を3次元モデルとしてパラメータ化し、映像内で編集後のテキストと 発音時の見た目が類似している箇所のパラメータを利用して新たな顔をレンダリング 43
- 44. 手法 • 入力映像から話者のパラメトリックな3次元顔モデルを生成 • viseme探索により、編集後のテキストの発音時の見た目に近いフレームを選び、そのフ レームの顔パラメータを元のパラメータと自然につながるようにブレンディング • 顔モデルに新たなパラメータを適用して表情を生成した後、顔の下半分だけを合成 • 時間方向、空間方向のそれぞれにDiscriminatorを導入したRNNを入力映像ごとに学習する ことで合成画像を写実的な画像に変換 44
- 47. 概要 • 3D Meshに対するConvolutionとPoolingを実現するMeshCNNを提案 • エッジは常に2つの三角メッシュの1辺となるため、対象となるエッジとその周囲4本のエッ ジに対してConvolutionとPoolingを定義 • Mesh ClassificationとSegmentationの双方に対して効果を確認 47
- 48. 手法 • 各エッジから角度や長さの比など5次元のベクトルを生成し、エッジの入力順序に不変とな るようそれらにSymmetric functionを適用したものをConvolutionへの入力とする • Poolingでは特徴量が小さいエッジを削除して新たなエッジを生成し、元のエッジの特徴量 を平均化したものをそのエッジの特徴量とする • Poolingの履歴を保持しておき、削除したエッジを元に戻すことでUnpoolingを実現 48 二面角 内角 エッジ長と 三角形の高さの比
- 51. 概要 • 映像中のキーフレームに対してアーティストがStylizeした結果を他のフレームに伝搬 • 既存のパッチベース手法に対して複数のガイドチャネルを導入することで性能を向上 • 複数のキーフレームが与えられた場合でも、キーフレーム間で不自然なStylize結果とならな いようスムーズに補間する手法を提案 51
- 52. 手法 • 従来のパッチベース手法に対して、5種類のガイドチャネルを導入して性能を向上（Color guide：映像の見た目、Mask guide：RoI、Positional guide：キーフレームとの画素位置の 対応、Edge guide：物体のエッジや顕著な特徴、Temporal guide：時間方向の一貫性） • 複数のキーフレームを用いる場合、それぞれのキーフレームで画像生成を行い、パッチマッ チングのエラーを画素ごとに比較してエラーが小さい方の画素を選択 • 画素選択には時間方向の一貫性を考慮することでフリッカーを抑制 52 Positional guide キーフレーム1で生成 キーフレーム2で生成 画素選択マスク
- 55. 概要 • 画像とコンテンツ内容を表すキーワードなどから雑誌のレイアウトを自動生成 • 自動的に複数の候補を生成する他、ユーザの意図をラフスケッチで反映させることも可能 • レイアウトとコンテンツの条件付き分布をGANにより獲得 • GANの学習のため、雑誌レイアウトの大規模なデータセットを構築 55
- 56. 手法 • 入力となる画像、キーワード、アトリビュートのそれぞれから特徴ベクトルを生成し、それ らを統合することでマルチモーダル特徴を生成 • 潜在変数とマルチモーダル特徴からレイアウトを生成する条件付きGANを学習 • ユーザ意図の反映のため、レイアウトのスケッチから潜在変数を生成するエンコーダも学習 • Webから約4000ページの雑誌を収集してアノテーションすることで学習用データを構築 56
- 57. 結果 • 一般人およびエキスパートによるユーザスタディを 実施し、ベースライン vs 提案手法、真値 vs 提案 手法でどちらが良いかを調査 • ベースラインとの比較では、全レイアウトのうち約 6〜7割において提案手法のレイアウトの方が優れ ているとの結果（真値との比較では4割強） 57
- 58. 所感 • ディープラーニングに特化したセッションの設定など、ディープラーニングが大きな潮流と なっていることは間違いないが、実際に使っている論文は3割程度とそれほど多くない アーティストによるコンテンツ作成の労力や、権利問題などで膨大かつ高品質なデータ セットを構築するのが非現実的？ • 超解像やスタイル変換などの画像生成系はディープラーニング一色かと想像していたが、以 前からある手法をインクリメンタルに改良することでディープラーニングを使った手法を上 回るような性能を達成しているものも多い • CGでは物理現象をいかに正確にシミュレートするか、あるいはアーティストの意図にいか に忠実にレンダリングするか、などが重視されるためか、全てをディープラーニングでブ ラックボックス化するようなアプローチは見られない • ディープラーニングを使った技術では、CVコミュニティ等で提案されているSoTAを既存の CGパイプラインの一部に取り入れ、性能向上や計算の効率化を図っているものが目立つ • とにかくCGの品質を高めることが目的である場合は、例えばユーザごとにLight stageでの データ取得を行うなど、データ取得コストは度外視されている 58
- 59. 今後の方向性（個人的な予想） • 以下のような方向性でディープラーニングの導入、CVとの融合が進む データ取得の効率化 シミュレーションの簡易化 CG作成におけるアーティストや一般ユーザの労力削減 スマホにおける新たな画像・映像表現 • VRやARはゲーム以外の用途で大きなものが見えていない デバイス側の進化は停滞 医療での活用はありそう（医師向け、患者向け双方） 遠隔コミュニケーションをよりリアルなものにする、という観点ではOculusを擁する FacebookのReality Labsが超強力に技術開発を進めているが、普及するかは “？” 59
- 60. Programs & Events • 1日に80近いセッション（朝8時〜夜8時くらい）が開催され、スケジューリングに迷う • コンピュータビジョンやディープラーニングの技術的観点から興味深いもの、および SIGGRAPHとしてポピュラーなものをチェック • 主にチェックしたセッション Technical Papers：オーラル発表にあたるセッションで技術的に世界最高峰 Posters：ポスター発表 Emerging Technologies：未完成だが先端的な技術のデモ発表 ACM SIGGRAPH Frontiers：招待講演やワークショップなど Production Sessions：最新映画やドラマのメイキングに関する講演 VR Theater：VR映像・ゲームの体験 Computer Animation Festival：優れたCG作品をシアターで上映 60
- 61. 発表の様子 • Postersは一般的なポスターセッション、Emerging Technologiesはデモ展示 • Posters（74本）では1/4以上、Emerging Technologies（27本）では1/2以上が日本からの 発表であり、日本勢の存在感が強い 61 Posters Emerging Technologies
- 62. 紹介論文 Posters • Graph Matching based Anime Colorization with Multiple References • Skinning Vector Graphics with GANs Emerging Technologies • A Compact Retinal Scan Near-Eye Display • Arque: Artificial Biomimicry-Inspired Tail for Extending Innate Body Functions 62
- 63. Graph Matching based Anime Colorization with Multiple References Akinobu Maejima, Hiroyuki Kubo, Takuya Funatomi, Tatsuo Yotsukura, Satoshi Nakamura, Yasuhiro Mukaigawa • アニメーターの労力削減を目的とした線画への自動彩色 • 過去の彩色結果など、すでに彩色済みの複数の画像を参照画像として用いる • 画像中に含まれる閉領域の位置関係をグラフで表現し、グラフマッチングにより複数の参照 画像の中から最適なものを探索して彩色 • 1枚の参照画像しか用いない場合に比べてグラフ構造の変化にロバストな彩色が可能 63
- 64. Skinning Vector Graphics with GANs Ankit Phogat, Matthew Fisher, Danny M. Kaufman, Vineet • ベクターグラフィックスのユーザによる直感的な編集を実現 • Conditional GANを用いてベクターグラッフィクスの編集のための制御点を画像から推測 • ベクターグラッフィクスからメッシュを生成し、ユーザの編集に合わせてメッシュを変形さ せたうえでベジェ曲線をフィッティングすることで最終画像を生成 • Adobe MAX 2018のSNEAKSで発表された技術と思われる https://www.youtube.com/watch?v=9OFtpPD8TYU 64 入力画像 入力画像から編集して生成した画像
- 65. A Compact Retinal Scan Near-Eye Display Katsuyuki Akutsu, Susumu Seino, Yusuke Ogawa, Kenji Ohki, Atsushi Takahashi, Daisuke Ueda, Ryo Ogawa, Teppei Imamura, Akira Yoshikaie • レーザを使った網膜走査型ディスプレイ • デモ機を試したが、非常に明るく、かつシャープな映像が見える反面、スイートスポットが きわめて狭く映像が正しく見えるようにディスプレイと目の位置関係を調整するのが困難で あった 65
- 66. Arque: Artificial Biomimicry-Inspired Tail for Extending Innate Body Functions Junichi Nabeshima, MHD Yamen Saraiji, Kouta Minamizawa • 空気圧でコントロールする人工筋肉で作られた ウェアラブルデバイス（尻尾） • ユーザの動きをトラッキングすることでバランス を補助するように尻尾が動く（片足立ちしている ような時に、軸足と反対側に尻尾が動く） • デモ機を試したが、見た目から受ける印象のよう な大きな力を感じることはなく、自然にバランス をサポートしてくれた 66
- 67. Programs & Events • 1日に80近いセッション（朝8時〜夜8時くらい）が開催され、スケジューリングに迷う • コンピュータビジョンやディープラーニングの技術的観点から興味深いもの、および SIGGRAPHとしてポピュラーなものをチェック • 主にチェックしたセッション Technical Papers：オーラル発表にあたるセッションで技術的に世界最高峰 Posters：ポスター発表 Emerging Technologies：未完成だが先端的な技術のデモ発表 ACM SIGGRAPH Frontiers：招待講演やワークショップなど Production Sessions：最新映画やドラマのメイキングに関する講演 VR Theater：VR映像・ゲームの体験 Computer Animation Festival：優れたCG作品をシアターで上映 67
- 68. 聴講したもの • Workshop: Computer Graphics for Autonomous Vehicles [Program] CGを使った自動運転シミュレータの開発や活用事例についてのワークショップ NVIDIA：DIRVE Constellationの紹介やシミュレータ向けに開発した技術などを紹介 Unity：自動運転シミュレータにいかにUnityが利用できるかを紹介 Aurora, Uber ATG：シミュレータ活用事例やシミュレータ向けに開発した技術などを紹介 • Talk: How Computer Graphics Expertise Will Further the State of the Art in Machine Learning CGの知識がいかに機械学習分野で活かせるかについてGoogleでTensorflowの開発に携わるエンジニアが講演 ジオメトリーや高精度シミュレーション、複雑な計算の効率化に関する知識などが重要とのこと • Talk: Imaging a Black Hole with the Event Horizon Telescope ブラックホールのイメージングに関する講演 使われた技術や、結果の妥当性を担保するためにいかに複数のグループで連携したかなどについて紹介 • Talk: Metric Telepresence Facebook Reality Labsによる遠隔コミュニーケーションをいかにリアルなものにするかについての講演 同Labは元々はOculusのR&Dセンターであり、本分野においては世界でも最高レベルの技術を有していると思われる 講演内容は主にTechnical Papersで発表された以下論文の紹介など • Neural Volumes: Learning Dynamic Renderable Volumes from Images • VR Facial Animation via Multiview Image Translation 68
- 69. Programs & Events • 1日に80近いセッション（朝8時〜夜8時くらい）が開催され、スケジューリングに迷う • コンピュータビジョンやディープラーニングの技術的観点から興味深いもの、および SIGGRAPHとしてポピュラーなものをチェック • 主にチェックしたセッション Technical Papers：オーラル発表にあたるセッションで技術的に世界最高峰 Posters：ポスター発表 Emerging Technologies：未完成だが先端的な技術のデモ発表 ACM SIGGRAPH Frontiers：招待講演やワークショップなど Production Sessions：最新映画やドラマのメイキングに関する講演 VR Theater：VR映像・ゲームの体験 Computer Animation Festival：優れたCG作品をシアターで上映 69
- 70. それぞれの様子 70 有名プロダクションが最新作品のメイキング等に ついて講演するProduction Sessionsには毎回長 蛇の列（アベンジャーズ、トイストーリー、ゲー ムオブスローンズなど） 最新のVRゲーム・映像が体験できるVR Theater は全日チケットソールドアウトの状態 Computer Animation Festivalでは会場に隣接す るMicrosoft Theaterで短編アニメ24本を上映 受賞作品： https://s2019.siggraph.org/press/press-releases/siggraph-2019-computer- animation-festival-announces-award-winners-one-night-only-event-at-microsoft-theater/ PixarのPurlという作品が Best in showを受賞
Editor's Notes
- CVPRの投稿論文は約5000