图为：多伦多大学计算机前系主任Eugene Fiume。(骆磊 摄)

11月1日，第七届“二十一世纪的计算”大型学术研讨会在杭州召开。届时国际著名的计算机大师包括图灵奖获得者、美国国家工程院院士及美国国家科学院院士等多位著名科学家莅临大会。会议由国家自然科学基金委员会、Microsoft亚洲研究院、杭州市人民政府以及浙江大学联合举办。

图为：多伦多大学计算机前系主任Eugene Fiume演讲。(骆磊 摄)

以下为其演讲全文：

Eugene Fiume：非常激动人心，今天和大家在一起，我感到很荣幸被邀请到杭州来做这个演讲，另外和大家见面来介绍一下我对这次高峰会的小小贡献，有这个机会我感到非常荣幸。

我今天想说的是无“数”不在的计算机图形设计。我想做一下定义，用一张幻灯片简单介绍一下本世纪所发生的事情。我们已经看到本世纪正在展现新的技术，生物学新的发现，二十一世纪是生物学的世纪，也就是说我们正在了解一系列的生物进程。另外我们也看到计算模拟对生物学的一些进程，还有许多自然系统和非自然系统的进程，显然是我们这世纪要掌握的问题。我们说三五年前的事，三五年前大家预测的时间段，今后五十一百多年的预测可能比预测三五年更有原因，本世纪我们有大量的数据存储，从这个意义上我们要了解一下什么时候处理这些大量数据，什么时候允许处理这些数据。这是计算机科学的世纪，还有计算机图形和视觉设计的世纪。现在有很多令人振奋的东西正在向世人展现，你们是在许多领域获得成功的关键。

我首先简要介绍一下计算机图形，让大家了解一下各种各样的进程，进程如何联系在一起。图形设计从传统方面来说，我们做图形设计的简单办法是，先离开计算机形成一个想法，先做这种理念上的工作之后，我们再通过几何来设计，通过几何设计之后我们再看它的反光、折射，还有它的光线，像今天这种光线就很不自然，而且灯光有温度，当我们模拟这种光线的时候我们就会模拟周围的环境，这与它周期呈现的东西也没关系，还有我现在脸上马上就要流汗了，但这些汗不是要分析的东西。我们可以模拟一些自然的进程，然后试图进行一些逆向的计算。哪些东西必须到哪里，哪些东西必须往回溯，我们要采用几何还有材料的模型，然后我们必须展现出按序列排列的图像，这样的话我们有一系列技术的问题要解决。所以我们要研究的是一系列这种过程，穿越整个的理念。

在这之前我们首先要从头开始讲从1963年开始Ivan做的工作，他是互动计算机图形的创始者，它的理念导致产生了用计算机建立模型，进行几何图形的设计，还有进行视觉的数据处理，所以他的研究工作今天依然非常有效，就是由于他的这种互动性的计算机图形设计，42年之后有了真实性的视觉现实，无论你怎么理解。有的时候有些人认为科学的理想主义是非常重要的，当然这是非常好的理念，但是成本也是很高的，而且有的时候经常放弃，因为考虑到我们在计算机图形方面要做很多的事情，实时地提供一些图形，所以从这方面来说图形要更加适用计算机，从这个意义上来说我们要使得我们建立的东西能够奏效。其中重要一点就是要放在功能上，无论用户使用什么样的应用软件，这些都变得越来越重要。所有这些都牵扯到一系列的对表现或者功能实现的一些限制，很难实现。

重要的是什么呢？我要仔细地区分一下大量数据密集的数据无处不在的驱动的概念，说数据驱动无处不在或者说数据驱动对我来说都是一样的。整合就牵扯到大量的计算，是在数据不多的情况下进行计算。在大量数据的基础上做很好的技术，我们称之为以数据为中心的方式，但这是一种混合性的体系，我们在正常的体系里面可以看到。现实的成本是很高的，所以我们要使用能够适用的技术加以配置，而不是过分去担心它看上去怎么样，所以要对各种自然现象进行模拟的话成本是非常高的，从计算角度来说。许多几何的计算，机率等等，从计算角度来说成本很高，所以说我们依赖于一些特殊的硬件，比如说图形设计来帮助我们。实际上计算机图形是一种大量的计算，而且很多的侧重点都放在这方面，我们认为图形设计确实需要很多的计算周期，而且是为了实时实现这种真实的图形，所以这里牵扯了大量的数据，我们需要很多的数据来补充一些计算。有些东西我们没有办法轻易地计算，但是难度在于使用很多的数据，你要对数据进行处理不是很容易的。问题是从计算的吞吐量能力转移到延迟和带宽。

很多人会说获得数据捕捉数据不是有点自欺欺人吗，我的观点是问题总是在内容，内容供大家使用，内容是很难篡立的，我们要对使用这些内容进行计算。怎么样使用这些图形，摩尔定律已经好几年都体现了这种图形，早上Alexander Gounares讲到过摩尔定律在朝着世界的方向发展，世界的复杂性使得人们看到的东西一定更好的东西，但是人们所要的实时图形的复杂性和互动性确实超出了我们所能提供的东西，所以我们要做很多的简化才能够接近这个目标。所以内容的问题，无论是现实和理论的角度都是如此，所以整合是非常关键的。

给大家显示这样一个图片，这是2006年NBA篮球比赛。比如说我想玩一个游戏，给大家显示一些技巧，首先第一个我要做的是背景还有前景，在这里看到的是奥维的一个公告板，我们会看到衣服的纹理变化，还有奥尼尔头上出的汗，我们可以看到他胳膊上的一些折射，还有像塑料的这种衣服，还有他的短裤上的汗，运动本身已经得到捕捉，所以有一系列的运动我们看到这种互动，以数据为中心的整合，不同层次的纹理还有运动员的运动从真实的人里面整合出来看到配套，使我们看到各种各样的技术，这些技术都是以数据为驱动的这种整合。

整合技术是什么意思呢？以数据为中心的技术是什么意思呢？有两个学生专门对自然现象进行模拟，他们先对自然现象确定一系列的参数，然后模拟整个数据的过程，希望这样能够建立出一些非常有意思的模型，这里非常关键的问题就是怎么进行用户控制进行模拟，不然出现的情况就是一个向前的模拟，就像看一个自然实验一样。如果建立起一些条件，对用户来说可以对这个过程产生影响，那么用户就进入了情况，他可以设计一下流程的过程。差不多12年前我们做了一些自然现象，烟和火的情况，用户用的就是非实际的方式，因为一般的燃烧过程很难产生这些颜色。

我们前面看到了一些非常好的例子，比如水倒入玻璃杯里的情况，这里面实际上是对自然现象进行模拟。这些效果是合成的。我们对它的照明是非常仔细地进行控制的，从微开的们中投出来了光，所以进行了合成，一些反射模型都照到桌子上的茶壶上，大家可以到其中一个茶壶是水晶的，它前面有一个阴影过来，可以看到有一些光，这是由于开了一扇门照片的，这是一个非常直接的合成做法。可以看类似的一些具体现象，大家可以看到，产生了水，而不是其他的一些白的物质。有不同的模型可以建立起这些不同的非常漂亮的图形，还有一些摆设的情况。传过轩尼诗的一个投影。这个具体使用的是数据集中的方法，用的是大理石的方式。光实际上是可以传过大理石的，在左手我们看到正常的计算机方面的一个模型，右手就给加了这么一个模式，光可以穿过物体弹回来，这是一些小的例子，有形的模拟，可以使动画进行下去，还有很多表现的模拟，是非常有意思的。我现在想给大家简单讲一下历史方面的情况，也许我的一半内容讲的是所谓数据密集的说法。如果你手里只有一把锤子的话，全世界都会长得像钉子，这个流程是非常直接的，也就是说有一个数字的影像构建一个影射，把它周边的数码数字拿出来折成这么一个物体，可以通过变形来实现这个目标。这里就有很多微小的问题，其中一个问题就是数字的图形并不是持续的，如果是持续一张图的话，那么大家可以看到实际上是一个次序，是所谓不同的像素来构建数码图像，有的时候你可能在像素之间加大了一些间格，或者是其他地方压缩了。实际上在什么地方都可以使用，这张图是我的一个学生15年前弄的一张图，很简单的几何，就是保龄球的形状，这些是很简单的一个表民，当然这是一个平面，这是球道，可以看到木的纹理，保龄球上面都有一些标签，总共有15个不同的纹理。这个有一些方法但是最有意思的就是在外面取得一些数据。这里面有一些纹理，大家看这些纹理都是表面的，或者是其他的一些部分。一旦你有一个调节颜色的纹理，你就可以做很多的东西。大家考虑一下怎么做这个计算反射。你可以调至某一点，你这么做的话就像画这么一个东西。大家可以看到把这个正常情况如何来进行。白色不变化，其他有一些变化，希望大家可以明白你们做这个事情非常有意思。我们这儿有些颜色可以进行调整。我举一个例子，这是一个面孔的纹理，这个可能没有是太大的意思，但是进入这些技术以后就非常有意思，这个是通过数据实现这些手法的，可以把它放在容积方面。这些纹理不仅仅是单一的颜色，而且可以把它插到什么地方，比如说地毯等等。我们可以进一步来看看，我们可以调整色彩，而且还可以看一下颜色的问题和某一个方向。有的时候我们把它叫座环境或者是反射。举一个例子来说，同样的条件可以建立一个分摄像。大家已经也这个背景了，大家也可以看一下采取了什么样的一些手法。这个是非常有意思的合成东西，光源是从窗子来的，什么地方看都有不同的纹理，有木头、桌布等等，所有的东西都是经过处理的，这里面有很多纹理的处理。大家看看这些，就是有这么一个无序的数字生成器生成的，然后以不同的方式创造这么一个东西。实际上这个是没有水的，这些东西都是处理过的，这个是非常好的图片。但是它不是真实的，但是它在现在的游戏中很重要。比如说背景和其他的东西，我特别的喜欢这张图，因为这块有一些东西，这个头发也非常的好。我想给大家看看合成是怎么做的，大家看这是一个画家最后的图，这里面有一些几何的东西。上面有创造几何非常好的工具，实际上这是一个可以创造的头型，出现了头型之后加一些皮，在耳朵这里面加一点详细的内容，这个就是画处理的面孔。如此计算大家是不是可以看见有很多的问题，我们必须要发现这些问题。设备看到的是不错的图像，有很多的数据。这个是加拿大洛杉矶脉，我很喜欢这个地方，这个是一个冰川，有80平方公里，这里面有一个支流，夏天的时候会化掉，这个是非常好的。这个是哥伦比亚的冰厂，有很多不同来源的数据，还有很多的方法可以进行可视化的处理，有科学的可视化，还有医疗抽象的数据。我们不想讲道德怎么获得这个图像的，这个是两维或者是三维的数据，用来进行可视化，用来计算机的图形处理。

我想讲讲获得这个数据的，所有的方式都是可以的，这个是非常实际的领域。有很多简单的方法，我们可以照相或者是录像，还有比较复杂的方法。我们通过一些扫描进行运作。这个反射有一个分散的情况，这个具体的材料大家考虑问题的时候可以告诉你是怎么反映的。这个实际上有几个不同的方法，你如果想获得这个信息把这个材料放在表面上，在上面照一个光就会看到有什么样的情况，这样就可以获得很多的信息。Microsoft想了很多年这些问题，就是任何的光线都可以以不同的方式做，这是一个数据，是比较例题的方法。这个非常有意思，这个是比较复杂，但是是我们十多年做出来的一个非常好的研究。最近有很多的工作，比如说计算摄影，这个不一定靠光的分设来获得影像。这是一个手持的激光扫描仪，大家获得了信息之后了解了情况。比如说在这里的兔子，我们对这个兔子进行了扫描，一旦有了之后大家可以解决很多几何的问题，比如说纹理的问题，他们把它作为一个参考。我们以把兔子用好几种方式进行使用，比如说把这个兔子打成碎片等等来做。

还有一个数据密集中心的模型，就是大家如何在容量方面可视化。我们以不同的方式来做集中的一个实行。这里面没有任何的几何，这个是一个三维的模型，在三维方面有色彩的信息。这个是干什么用的呢，我们先做一个简单的动画，就是在容量很重的时候使用，比如说它有一个计算的容量。我们很难对它的体质来衡量，我们最好有这么一个体积的模型，这个技术可以让你很快的把他们拆开，我不会把它全部的腌制，就是让大家知道这是不同的方法。我们让大家看一下如何把这些不同的物体组装在一起。

我们讲到纹理的问题，色彩的问题，反射的问题，我们讲到了三维体积的一些东西。我们讲一下运用方面，我们在人身上加的传感器，都是找一些站的女人，我不知道为什么。这个是华盛顿大学专门的一个实验室，这个是设想头的技术，我们有很多冗余的设施。比如说一个设想头拍不到的话，另外一个设想头就可以拍到。这个是一系列的轨道来描述身体上的某一个部分，它传感到的时候是怎么运作的。我们要进行运动，怎么把这个拿出来，我们有一个非常好的想法，就是把一块一块的东西创造出来。我们有了这个数据以后怎么把这个数据进行放大，这里面涉及到它的结构，把它的一些特点拿出来，在最高的层次上把物力的参数提取出来。这里面有很多的例子，我们把这个纹理拿过来加以放大，创造它的不同的版本。这个是小时候的纹理，我们把整个东西进行分析。我举一个例子，我们把这个纹理两面模块化，我们把这个拿过来，如果把它放到蝴蝶上会是什么样的结果。这样天鹅就变成这种方式了，如果我们比较景色的话就应该是这样的。这个是更有说服力的一个例子。我们把整个真正现实的照片通过进行分析做出来。这里可以做的事情是很多的，我们可以做很多的转换，不同的东西就会出现不同的效果，因此这些东西都是非常有趣的。你有了这个数据，你就打住了，你可以把这些数据加以利用就会有很多的用处。我们把这种方式加以扩展，这个只能看一小段，这是一个动画。我们确实要有很多的数据，如果真有好的数据，那就意味着要有好的方法搜寻这些数据，找到结构性的东西，我们等于探讨动作捕获的空间，用小的空间来把大的空间给找出来，这些动作都是比较接近我们想找的动作。我们最后推出的不见得是非常的准确。

他在说的东西并不是他自己说的，这个是非常有意思的，它的动作、眼睛和表情都是制作出来的。我们把另外一个人所说的话用他来说出来，这样就可以把新的声音和这个图像放在一起。我们就是以不同的方式进行制作然后加以不同的使用。我们可以看一下模型的捕获，左面是一个琥珀，然后有一个船，我们就是使这个有波浪。现在可以在地上放一个虚拟的东西，衣服等等都是跟着风一起来动。说到这一点我们就要解决一个反向的问题，这里我们会来把这个船插入进去。这个船也是根据波浪来左右摇动的，跟其他的例子看起来不是很明显。

再给大家举一个例子。这方面有一个很好的例子，就是把这些东西组合在一起重新建造一些东西。因为影像要很多的扫描，因为有不同东西的碎块放在不同的地方。在瑞士、英国神庙的东西都放在各个国家，我们把这些东西找过来，然后根据光线和反光把这些东西再进行组合。我们希望含流下来衣服湿了，我们要把这些数据送回去进行计算。

我们在使用很大数据的时候要有带宽，也要非常谨慎。基本上最终基本的问题是什么呢，就是来解决延迟的问题。发生了变化以后我们如何的做出反映，数据无处不在的计算，这个是比较困难的。有不少方法帮助我们的，但是我们现在通过这两方面的技术通过组合的时候是需要解决的一个问题。比如说一个人按了一个鼠标，如果你做出反映基本就是最大实际的限制。

我讲一下今后的情况。以后会变得更好，组合的技术应该是今后发展的方向。我们会看到越来越复杂和越来越现实的环境出现，这些环境能不能用，就要看我们有没有能力建立足够的带宽和有特点的系统。谢谢大家。