报告摘要：近年来，利用神经网络来表示和学习构建复杂对象或函数取得了极大的进展，有力推动了图形计算和空间计算的跨越式发展。本报告将介绍我们在神经图形绘制技术和架构方面的最新研究进展，该架构通过解耦场景的全局光能辐射传输过程，利用全连接超网络来学习得到以物体为插入单元的环境光能传输变化模型，以 Transformer 架构学习建立了以光源为插入单元的光能辐射传输增量模型，创建了全局全频光照的实时神经绘制流水线，研制通用照明大模型，有效突破了以英伟达 RTcore 为代表的 GPU 架构限制，在具有普通光栅化和 AI 推理能力的芯片上，即可实现全局全频光效的实时高质量绘制。报告最后将展望这一新技术框架的未来发展构想。

讲者简介：鲍虎军，长江学者特聘教授，浙江省特级专家。主要从事计算机图形学和混合现实的研究。曾获国家杰出青年基金和国家创新研究群体科学基金的资助，并作为首席科学家，先后承担了虚拟现实和混合现实两项 973 计划项目的研究。在混合现实的景物三维建模、移动三维注册融合、自适应高保真绘制呈现和自然数字化身交互等方面取得了重要创新突破，主持研发了端云协同的混合现实软件平台，成功实现产业化应用。有关研究成果分别获国家自然科学奖 1 项和省部级科技奖 4 项。