本周為TechBeat人工智能社區(qū)第303期線上Talk，也是ICLR 2021系列Talk第⑩期。北京時間5月12日(周三)晚8點，ICLR 2021 Oral一作、NVIDIA AI LAB 研究實習生—張雨暄的Talk將準時在TechBeat人工智能社區(qū)開播！

他與大家分享的主題是: “一種基于生成對抗模型和可微分渲染的三維重建與表征解耦方法”，屆時將針對作者ICLR?2021 paper《Image GANs meet Differentiable Rendering for Inverse Graphics and Interpretable 3D Neural Rendering》（Oral）作出介紹。

Talk·信息

主題：一種基于生成對抗模型和可微分渲染的

三維重建與表征解耦方法

嘉賓：NVIDIA AI LAB 研究實習生?張雨暄

時間：北京時間?5月12日 (周三) 20:00

地點：TechBeat人工智能社區(qū)

http://www.techbeat.net/

完整版怎么看？

掃描下方二維碼，或復制鏈接?https://datayi.cn/w/4PYK8BW9 至瀏覽器，一鍵完成預約！上線后會在第一時間收到通知哦~

Talk·提綱

▼

三維重建是計算機視覺的重要研究問題之一。傳統(tǒng)有監(jiān)督三維重建算法需要真實值3D模型作為標準答案，因此受限于合成數(shù)據(jù)集而難以泛化，難以在真實圖片上取得好的重建效果?；诳晌⒎咒秩镜闹亟ǚ椒梢灾苯永枚嘁晥D圖片訓練，不需要3D模型的參與，因而不受限與合成數(shù)據(jù)集。然而，在實際問題中，多視圖圖片仍然難以獲得。為了克服這個困難，我們提出一種將生成對抗網(wǎng)絡與可微分渲染技術(shù)相結(jié)合的方法，只利用單視圖圖片就可以達到很好的重建效果。并且，此框架還可以利用三維信息解耦對抗生成網(wǎng)絡，從而根據(jù)使用者的需要控制圖像生成過程。

本次分享的主要內(nèi)容如下：1. 基于可微分渲染的重建算法如何克服傳統(tǒng)有監(jiān)督重建算法的困難

2. 如何引入對抗生成網(wǎng)路降低數(shù)據(jù)獲取難度，提升重建效果

3. 如何利用得到的三維信息解耦對抗生成網(wǎng)絡，控制圖像生成過程

4. 如何進一步利用隱空間的語義信息支持三維語義分割 （后續(xù)工作）

Talk·參考資料

▼

這是本次分享中將會提及的資料，建議提前預習哦！

[1] Image GANs meet Differentiable Rendering for Inverse Graphics and Interpretable 3D Neural Rendering

https://arxiv.org/abs/2010.09125

[2]?Learning to Predict 3D Objects with an Interpolation-based Differentiable Renderer

https://arxiv.org/abs/1908.01210

[3]?DatasetGAN: Efficient Labeled Data Factory with Minimal Human Effort

https://arxiv.org/abs/2104.06490

Talk·提問交流

▼

通過以下兩種方式提問都將獲得微信現(xiàn)金紅包獎勵哦！

方式 ①

在Talk界面下的【交流區(qū)】參與互動！留下你的打call??和問題??，和更多小伙伴們共同討論，被講者直接翻牌解答！

你的每一次貢獻，我們都會給予你相應的i豆積分，還會有驚喜獎勵哦！

方式 ②

在本文留言區(qū)直接提出你的問題，或掃描下方二維碼提問！

Talk·嘉賓介紹

▼

張雨暄，滑鐵盧大學在讀本科生，研究方向為計算機視覺和機器學習。本科期間在ICLR, CVPR等頂會上發(fā)表多篇論文。畢業(yè)后將赴普林斯頓攻讀博士。

ICLR 2021 系列Talk

▼

第①彈

第②彈

第③彈

第④彈

第⑥彈

第⑦彈

第⑧彈

第⑨彈

關(guān)于TechBeat人工智能社區(qū)

▼

TechBeat(www.techbeat.net)是一個薈聚全球華人AI精英的成長社區(qū)。我們希望為AI人才打造更專業(yè)的服務和體驗，加速并陪伴其學習成長。期待這里可以成為你學習AI前沿知識的高地，分享自己最新工作的沃土，在AI進階之路上的升級打怪的根據(jù)地！

更多詳細介紹>>https://mp.weixin.qq.com/s/pTbCK_MeTk05jK2yx1RTrQ