點(diǎn)云補(bǔ)全是眾多3D視覺(jué)任務(wù)重要模塊。大多數(shù)點(diǎn)云補(bǔ)全方法在很大程度上依賴于成對(duì)的殘缺-完整點(diǎn)云并以全監(jiān)督方式進(jìn)行學(xué)習(xí)。盡管它們?cè)谟騼?nèi)數(shù)據(jù)上的表現(xiàn)令人印象深刻，但泛化到其他形式的殘缺點(diǎn)云或現(xiàn)實(shí)世界的殘缺掃描時(shí)，由于域的差距，往往無(wú)法獲得令人滿意的結(jié)果。本期論壇我們邀請(qǐng)到了來(lái)自新加坡南陽(yáng)理工大學(xué)的張俊哲同學(xué)，他提出了基于GAN逆映射的無(wú)監(jiān)督點(diǎn)云補(bǔ)全方法ShapeInversion，不再需要成對(duì)的訓(xùn)練數(shù)據(jù)，并具有了顯著的泛化能力。

講者介紹

張俊哲，來(lái)自新加坡南洋理工大學(xué)S-Lab 和MMLab@NTU的博士生，師從呂健勤(Chen Change Loy)副教授和 Chai Kiat Yeo 副教授。研究領(lǐng)域包括多相機(jī)關(guān)聯(lián)與融合，異常檢測(cè)，和深度學(xué)習(xí)框架。當(dāng)前主要研究興趣包括三維重建和生成，點(diǎn)云補(bǔ)全等。在CVPR/ECCV/ICCV計(jì)算機(jī)視覺(jué)頂級(jí)會(huì)議上發(fā)表多篇論文。

會(huì)議題目

ShapeInversion: 基于GAN逆映射的無(wú)監(jiān)督點(diǎn)云補(bǔ)全方法

會(huì)議摘要

本工作提出了ShapeInversion，將生成對(duì)抗網(wǎng)絡(luò)(GAN)逆映射引入到點(diǎn)云補(bǔ)全中。ShapeInversion使用一個(gè)在完整點(diǎn)云上預(yù)訓(xùn)練的GAN，搜索一個(gè)潛碼，該代碼給出一個(gè)完整點(diǎn)云的點(diǎn)云，能最好地重建給定的殘缺輸入。通過(guò)這種方式，ShapeInversion不再需要成對(duì)的訓(xùn)練數(shù)據(jù)，能納入訓(xùn)練好的生成模型中捕獲的豐富先驗(yàn)。在ShapeNet基準(zhǔn)上，ShapeInversion優(yōu)于SOTA無(wú)監(jiān)督方法，可與用配對(duì)數(shù)據(jù)學(xué)習(xí)的有監(jiān)督方法相媲美，還展示了顯著的泛化能力，對(duì)現(xiàn)實(shí)世界的掃描和各種形式的殘缺輸入以及不完整程度給出了魯棒的結(jié)果。由于預(yù)訓(xùn)練GAN的參與，ShapeInversion自然地實(shí)現(xiàn)了一系列額外的能力，例如為一個(gè)模糊的殘缺輸入產(chǎn)生多個(gè)合理的完整點(diǎn)云，以及點(diǎn)云的擾動(dòng)和內(nèi)插。

會(huì)議亮點(diǎn)

1、我們?cè)邳c(diǎn)云補(bǔ)全任務(wù)上第一次提出了基于GAN逆映射的框架ShapeInversion；

2、ShapeInversion 框架解決了一些3D數(shù)據(jù)結(jié)構(gòu)固有的問(wèn)題，從而更充分的利用了GAN的知識(shí)；

3、ShapeInversion 在真實(shí)數(shù)據(jù)上展現(xiàn)了很好的泛化效果。

直播時(shí)間

2021年10月10日（周日）20:00—21:00 線上直播

關(guān)注微信公眾號(hào)：人工智能前沿講習(xí)，對(duì)話框回復(fù)“SFFAI125”，獲取入群二維碼

注：直播地址會(huì)分享在交流群內(nèi)

現(xiàn)代科學(xué)技術(shù)高度社會(huì)化，在科學(xué)理論與技術(shù)方法上更加趨向綜合與統(tǒng)一，為了滿足人工智能不同領(lǐng)域研究者相互交流、彼此啟發(fā)的需求，我們發(fā)起了SFFAI這個(gè)公益活動(dòng)。SFFAI每周舉行一期線下活動(dòng)，邀請(qǐng)一線科研人員分享、討論人工智能各個(gè)領(lǐng)域的前沿思想和最新成果，使專注于各個(gè)細(xì)分領(lǐng)域的研究者開拓視野、觸類旁通。

SFFAI目前主要關(guān)注機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理等各個(gè)人工智能垂直領(lǐng)域及交叉領(lǐng)域的前沿進(jìn)展，將對(duì)線下討論的內(nèi)容進(jìn)行線上傳播，使后來(lái)者少踩坑，也為講者塑造個(gè)人影響力。SFFAI還在構(gòu)建人工智能領(lǐng)域的知識(shí)森林—AI Knowledge Forest，通過(guò)匯總各位參與者貢獻(xiàn)的領(lǐng)域知識(shí)，沉淀線下分享的前沿精華，使AI Knowledge Tree枝繁葉茂，為人工智能社區(qū)做出貢獻(xiàn)，歡迎大家關(guān)注SFFAI論壇：https://bbs.sffai.com。