第一位主讲人是20级的黄玉楠,她此次为大家分享的是一篇名为《Graph Neural Network-Based Anomaly Detection in Multivariate Time Series》的论文。

主要是从相关工作、模型架构和实验展开分享。首先是相关工作部分,作者在文中提到传统的异常检测模型只能对数据进行一个简单的建模,比如线性拟合,不能处理更加复杂的非线性关系的数据。随着深度学习技术的发展,基于深度学习技术的异常检测模型在处理复杂的高维数据方面取得不错的效果,但这些方法虽然能处理高维数据复杂数据,并没有去专门地学习各特征之间的内在依赖关系,这就导致这些模型在对具有大量潜在依赖关系的复杂数据建模时的局限性。而基于图的方法的提出,为对特征依赖关系建模提供了一个思路,图神经网络在近年来已经被成功地应用在对复杂的图结构数据建模上,所以,作者基于上述工作提出了一种基于图神经网络的异常检测模型。

模型分别先对时序数据进行embedding操作,再根据embedding向量学习各传感器之间的依赖关系,然后对下一个时间戳进行预测,最后根据预测数据和观察数据进行偏移得分计算,根据阈值得出最后检测结果。最后对实验结果进行分析总结。

第二个出场的是20级的陈嘉豪,他此次为大家分享的是阴影绘制。

绘制正确的阴影对于生成一张具有真实感的图片非常重要,因此在渲染中对于阴影的绘制一直是一个非常重要的课题。在实时渲染中,由于光栅化图形管线缺少全局性息,与光线追踪不同,对于每一个着色点,我们无法知道它的全局光照信息,所以也无法知道该点是否位于阴影中。因此,我们在生成一张图片前需要一个预渲染阶段来判定着色点是否位于阴影中,而解决这一问题的方法被称为shadow mapping。在预渲染阶段,基于z-buffer算法从光源看向场景,记录每个像素对应的最小深度,生成一张shadow mapping,在正式渲染阶段,根据着色点到光源的距离与深度图记录的距离来判断该点是否在阴影中,如果两个距离相等,则说明不在阴影中,如果着色点到光源距离大于深度图记录的深度,说明着色点和光源之间有遮挡物,该点位于阴影中。Shadow mapping技术在今天任然被广泛采用,在所有3D电子游戏中,都使用的是shadow mapping技术,早年的3D动画也采用的是shadow mapping技术。直至今日,shadow mapping技术任然在向前发展,对于这一技术的改进一直层出不穷

以下是黄玉楠、陈嘉豪同学在这次seminar中的表现评分。