跨学科综合一直是能产生新的技术的方向，在图形学领域，也存在着大量的人工智能的技术，推动图形学的发展以及相应技术的提升。
学术界
- Deep Learning as a Representation 3D形状的更好的表达
- Deep Learning as a Function Approximator 图形和图像的映射
- Deep learning as an Optimizer
面临的挑战
- 高维度的3D图形数据：样本稀疏
- 图形数据的采集，生成和标记存在困难
游戏界
- Motion Capture 动作捕捉
- Deep Learning Denoise
- Facial Animation / Expression
- Special Rendering
- 强化学习用于解决游戏开发中的数据匮乏问题
- Modeling
- Animation
- 更聪明的Robot以及NPC
- 游戏内容以及动画的生成，自主生成游戏内容，用强化学习生成角色动画
影视界
- AI for Concept
- Real-time Engine for virtual Production
- Increasing Scene Complexity
- Practical RayTracing
- Image/Video style Transfer
- Non-photorealistic Rendering
- Performance-Driven Facial Capture/Swap
- Super-Resolution
其他
- 从图形引擎到协同平台到云操作系统
- 数字孪生Simulation for AI
计算机图形学 vs 人工智能
- 普通用户如何生成图形？智能终端
- 如何生成机器”看“的图形？智能模拟
- 如何使用生成的图形？智能制造