MIT 人工智慧實驗室胡淵鳴等研究者構建了一個名為太極的開源計算機圖形庫，想要製作炫酷場景或特效的同學，不妨試試姚班大神的這項工作。
太極（Taichi）是一個開源的計算機圖形庫，它旨在提供易於使用的計算機圖形學基礎架構，並提供了 40 多份計算機圖形學重要研究的實現。出於效率的考慮，太極本身是由 C++ 構建的，但用 Python 包裝了介面。
簡而言之，計算機圖形學的主要研究內容是如何在計算機中表示圖形、以及利用計算機進行圖形的計算、處理和顯示的相關原理與演算法。太極提供了非常多的圖形學展示。
作者表示，該專案之所以稱為 “太極”，是因為它不僅是漢語繁體字，同時還是日語的平假名。因為太極很大一部分都是作者在東京大學實習期完成的，包括 10 多篇論文和軟體的一般框架，所以他採用兩者皆可的名字。
總之，太極作為基於物理的模擬庫（剛性 / 變形 / 流體動力學 / 光傳輸），作者希望它可以和名字一樣作為模擬虛擬宇宙的起點。
什麼是計算機圖形學
關注機器學習的研究者與開發者很多並不太瞭解計算機圖形學，如上所述，它主要希望在計算機中表示和計算不同的圖形。計算機圖形學的目的就是要利用計算機產生令人賞心悅目的真實感圖形。為此，必須建立圖形描述場景的幾何表示，再用某種光照模型，計算在假想光源、紋理、材質等屬性下的光照明效果。
計算機圖形學有很多主題，包括使用者介面設計、精靈圖（sprite graphics）、向量圖形、3D 建模、著色器光線追蹤和計算機視覺等。計算機圖形學在整體方法論上很大程度需要依賴於基礎幾何、光學和物理科學。
正因為有這麼多主題，它在實踐中負責接收並處理物理世界的影象資料，併合理地展示這些影象資料。因此它對多媒體有非常重要的影響，並改變了動漫、電影、廣告和影片遊戲等的製作方式。
雖然看起來計算機圖形學和計算機視覺之間有很多區別，但實際上它們並沒有一個明確的界限，它們之間共享了大量的數學基礎與理論基礎。它們之間就像同一過程的兩個方向，計算機視覺希望從影象中抽取語義資訊，而計算機圖形學希望將抽象的語義資訊轉化為影象。
太極的一些效果展示
太極在專案地址中展示了很多效果圖，我們快看看吧。
作者簡介
Yuanming Hu 胡淵鳴
胡淵鳴是 MIT 人工智慧實驗室（CSAIL）的一名博士二年級學生，師從 Fredo Durand 和 Bill Freeman 兩位教授。
他從小就對計算機表現出極大的興趣，因其在 2012 年全國高中學科奧賽（資訊學）中的優異成績而被保送至清華大學。
2017 年 7 月，衚衕學作為優秀畢業生從清華大學姚班畢業。他在微軟亞洲研究院跟隨 Stephen Lin 博士實習時從事深度學習和計算機視覺相關工作。衚衕學的本科論文主要研究的是使用強化學習和對抗學習的自動照片後期處理（發表在 SIGGRAPH 2018 大會上）。2018 年 11 月，衚衕學在 Wojciech Matusik 教授的指導下完成其碩士論文。
本科論文連結：
https：//
arxiv。org/abs/1709。0960
2
碩士論文連結：
http：//
taichi。graphics/wp-cont
ent/uploads/2018/11/thesis_ChainQueen。pdf
YU FANG
Yu Fang 是美國賓夕法尼亞大學的一名博士一年級學生，師從 Chenfanfu Jiang 教授，主修計算機和資訊科學。2018 年 7 月，Fang 同學從清華大學畢業。他的主要研究興趣是物理基礎上的模擬。現在，Fang 同學一直致力於利用物質點法模擬不同的現象，同時開發新技術加速現有的模擬框架。
兩位作者合著論文
兩位作者曾合作完成以下三篇論文：
論文 1：
《An Asynchronous Material Point Method》
連結：
http：//
squarefk。com/static/fil
es/ampm。pdf
這篇論文由胡淵鳴擔任一作，Yu Fang 為二作，在 SIGGRAPH 2017 大會上發表。
論文 2：
《A Moving Least Squares Material Point Method with Displacement Discontinuity and Two-Way Rigid Body Coupling》
連結：
http：//
squarefk。com/static/fil
es/mlsmpm。pdf
這篇論文依然由胡淵鳴擔任一作，Yu Fang 為二作，在 SIGGRAPH 2018 大會上發表。
論文 3：
《A Temporally Adaptive Material Point Method with Regional Time Stepping》
連結：
http：//
squarefk。com/static/fil
es/fang2018async。pdf
這篇論文則由 Yu Fang、胡淵鳴及其他兩位作者合作完成，在 SCA 2018 大會上發表。
