SFFAI論壇已開放注冊

詳情點擊查看：https://bbs.sffai.com/d/312

3D幾何形狀表示和建模是計算機圖形學和計算機視覺的核心任務之一。從場景理解、物體識別與分類等上層應用到形狀重建和編輯等底層任務的算法設計都依賴于三維幾何表示。理想的三維表示方法應該能夠處理靈活的拓撲、在各種尺度下表示模型的細節(jié)并且可以高效的進行編輯和渲染，現(xiàn)有的用于深度幾何學習的表示方法難以同時滿足以上的要求，而本期分享者楊潔同學通過提出一種結構化的深度生成模型解決了此類問題。

講者介紹

楊潔，中國科學院計算技術研究所博士研究生，指導教師為高林副研究員與夏時洪研究員。研究方向包括計算機圖形學，深度幾何學習，幾何處理等。本科畢業(yè)于四川大學數(shù)學系，獲得理學學士學位。系列研究成果發(fā)表在計算機頂級期刊會議ACM SIGGRAPH\TOG、IEEE TPAMI、IEEE TVCG、NeurIPS和ICCV等。曾獲得國家獎學金，時諦智能CAD&CG優(yōu)秀學生獎，第四范式博士生獎等。

分享題目

結構化的深度生成模型

分享摘要

本工作得益于局部隱式場表示的靈活性和分層次遞歸表示的細節(jié)表達能力強的優(yōu)勢。通過將局部隱式場與每個八叉樹節(jié)點單元相關聯(lián)，解決了基于局部隱式場的幾何建模和重建方法效率低下的問題。本工作提出的表示可以使用緊湊的存儲對具有精細細節(jié)的大規(guī)模形狀進行建模，并且可以用于表示具有任意拓撲的三維形狀。隨后，我們依據(jù)三維模型內在的多層級結構設計提出了相應的深度生成模型，引入了結構化的建模方法來對一般的三維人造模型進行表示建模。我們的深度生成模型可以對三維模型的幾何細節(jié)和結構進行編碼，并且可以合理的利用數(shù)據(jù)的分布進行模型插值和生成。

題目：OctField: Hierarchical Implicit Functions for 3D Modeling

分享亮點

1. 本文提出針對3D表面的可學習的分層次隱式表示方法，可以用較低的內存和計算代價對復雜表面進行高精度的編碼；

2. 本文提出的針對一般三維模型結構化表示，可以將三維模型的幾何和結構進行解耦；

3. 本文介紹的方法可以處理任意拓撲的三維模型和場景。

直播時間

2022年3月13日（周日）20:00—21:00 線上直播

關注微信公眾號：人工智能前沿講習，對話框回復“SFFAI140”，獲取入群二維碼

人工智能前沿學生論壇 SFFAI（Student Forums on Frontiers of Artificial Intelligence）每周日舉行一期， 邀請一線科研人員分享、討論人工智能各個領域的前沿思想和最新成果，使專注于各個細分領域的研究者開拓視野、觸類旁通。SFFAI 目前主要關注計算機視覺、自然語言處理、數(shù)據(jù)挖掘、機器學習理論等各個人工智能垂直領域及交叉領域的前沿進展，進行學術傳播，為初學者指明方向，也為講者塑造個人影響力。

歡迎大家關注SFFAI論壇：https://bbs.sffai.com/。