近日，上海电影学院影视工程系李梦甜教师团队（MAGIC Lab）两项前沿研究工作《FoleyDesigner: Immersive Stereo Foley Generation with Precise Spatio-Temporal Alignment for Film Clips》与《GardenDesigner: Encoding Aesthetic Principles into Jiangnan Garden Construction via a Chain of Agents》成功被计算机视觉国际顶级会议CVPR 2026录用。

CVPR（IEEE/CVF Conference on Computer Vision and Pattern Recognition）是中国计算机学会（CCF）推荐的A类国际顶级会议，在计算机视觉与人工智能领域享有极高声誉，长期引领学科发展前沿。据Google Scholar Citation 2025年统计，CVPR的H5-index高达450，位列全球出版物第二，仅次于《Nature》，工程与计算机类出版物第一，泛人工智能领域第一，代表了该领域世界顶尖的研究水平。

此次两项成果同时入选，不仅体现了团队在“AI+艺术”交叉领域的持续科研创新能力，也标志着上海电影学院正稳步走向国际学术舞台。

FoleyDesigner：让影视声音“沉浸有声”。FoleyDesigner是团队在“AI+电影声音”领域的又一突破。继此前在影视音效（SonicVisionLM, CVPR 2024）与影视配乐（FilmComposer, CVPR 2025）上的工作后，本项目聚焦于电影拟音的智能化生成，致力于推动影视工业进入沉浸式声音新时代。该研究首次将AIGC技术引入电影立体声拟音创作，通过大模型与多智能体协同，完整模拟了专业拟音师的工作流程。它能够理解视频内容，自动生成与画面在空间位置、帧级时间上精准对齐的高品质立体声拟音，并直接输出符合专业标准的5.1环绕声（杜比全景声混音），可无缝嵌入实际电影后期管线。其核心价值在于：提质，显著提升生成拟音的影视级品质、音画一致性及时空对齐精度；增效，大幅优化后期流程，降低制作成本，同时为声音设计提供高自由度的创作工具。此外，团队开源了高质量电影立体声拟音数据集FilmStereo，包含14,784个标注条目，涵盖立体声音频、精确时间戳、三维空间信息及系统的类别文本描述及 23 个细分领域，为学术社区后续研究提供了重要数据基础。

图1：FoleyDesigner包含三个主要模块——分层影片解析、视觉引导空间音频合成与多智能体音质精修。用户输入无声视频首先被转化为符合声音设计原则的场景-事件-材质分层脚本；随后在各时段中基于视觉语义进行空间化立体声生成；最终经多智能体协同优化输出5.1环绕声拟音。

FoleyDesigner论文原文、代码和数据集详见项目主页：https://gekiii996.github.io/FoleyDesigner/ 。本论文的学生一作为戴坤延，数字媒体创意工程硕士研究生二年级在读；学生二作为丁乙，数字媒体技术本科三年级在读；学生三作为倪若冰，数字媒体技术本科三年级在读。

GardenDesigner江南园林的“智能筑景”。GardenDesigner是团队在“AI+艺术场景”方向的持续探索。继戏剧艺术舞台（StageDesigner, CVPR 2025）与影视场景置景（FilmSceneDesigner, AAAI 2026）的智能化生成后，本项目首次将大模型与智能体链技术应用于江南园林的设计与生成，实现了从文本描述到完整园林场景的智能生成。该系统通过模拟真实园林设计师的思维流程，将水系、曲径、景观布局等传统美学法则编码进计算框架，实现了符合文化逻辑与审美意境的自动设计。用户只需输入简单文本，系统即可在一分钟内生成包含完整布局的园林方案，并输出可用于实际建造的二维指导图。其核心价值在于：降低门槛，让非专业用户也能快速进行专业级园林创作，极大降低数字建模成本；赋能多领域，生成的场景可直接用于游戏、影视、VR/AR及数字文旅等项目；传承文化，为文化遗产的数字化保存与创新提供智能工具。同时，团队开源了高质量园林资产数据集GardenVerse，包含132个带有高清纹理与详细专家知识标注的精细模型，为传统美学数字化与3D生成研究提供了宝贵资源。

图2: GardenDesigner包含两个主要模块——分层园林构建与知识嵌入资产布局。用户输入首先被转化为符合园林美学原则的地形与路径生成参数；随后在各区域中基于园林知识进行资产选择与约束优化布局，最终生成完整的江南园林。

GardenDesigner论文原文、代码和数据集详见项目主页：https://monad-cube.github.io/GardenDesigner/。本论文的学生一作为杨凡，电子信息硕士研究生三年级在读；学生二作为熊瑞雪，电子信息硕士研究生一年级在读；学生三作为范艺严，电子信息硕士研究生一年级在读。

教师介绍：

李梦甜，工学博士，博士后，现上海大学上海电影学院、上海电影特效工程技术研究中心讲师（助理教授），MAGIC Lab PI。主要研究方向为面向影视、游戏与艺术领域的数字内容理解与生成、人机交互、人工智能艺术创作。以第一/通讯作者发表CCF A/SCI-Q1论文20余篇，国家授权专利多项。主持国自然青年科学基金，上海市科委“科技创新行动计划”面上基金，“CCF-网易雷火联合基金”二期，入选上海大学“青年英才启航计划”。参与国家重点研发计划、国家社科重大、国自然面上基金（4项）。担任计算机视觉国际顶级会议及期刊SIGGRAPH、SIGGRAPH Asia、 CVPR、ICCV、ECCV、ICLR、ICML、NeurIPS、ACMMM、TPAMI等审稿人，The Visual Computer期刊编委。任中国计算机学会CAD/CG专委会执行委员（秘书处成员），图形学与混合现GAME执行委员，CSIG数字娱乐与智能生成专委会、三维视觉专委会、多媒体专委会执行委员，中国电影电视技术学会、中国电影高新技术专业委员会常任委员。