點云，簡單來說就是一堆點。由于我們的世界是一個三維世界，那么點云中的每一個點也都是三維點，它在自動駕駛、城市規(guī)劃、考古文物保護、醫(yī)學(xué)影像、測繪等領(lǐng)域有著廣泛的應(yīng)用。目前，點云比較流行的研究內(nèi)容主要有點云分類、點云檢索、點云分割、點云補全、點云上采樣、點云重建等。
在7月已完結(jié)的兩場講座中，來自香港中文大學(xué)的祝新革博士和慕尼黑工業(yè)大學(xué)聶隱愚博士后分別對點云分割和點云重建進行了深度解析，而在8月5日晚7點，智東西公開課特邀香港中文大學(xué)博士后李賢芝對點云上采樣任務(wù)進行直播講解，主題為《基于任務(wù)解耦合的點云上采樣》。
點云上采樣的目標(biāo)是從稀疏的輸入中產(chǎn)生稠密且均一的輸出，從而更好地描述物體的幾何特性。它對機器人導(dǎo)航、三維重建、視覺測量以及AR/VR等視覺應(yīng)用十分重要，因為它可以從常規(guī)的低成本測量中恢復(fù)出高質(zhì)量、稠密的點云。
目前，主流的點云上采樣方法主要是優(yōu)化方法和深度學(xué)習(xí)方法，其中優(yōu)化方法用于局部幾何特征并適用于光滑的特征較少目標(biāo)的點云上采樣，但他們卻難以保留點云中的多尺度結(jié)構(gòu)，而深度學(xué)習(xí)方法雖然提高了上采樣的性能，但忽略了許多細節(jié)信息。
基于上面方法的特點，李賢芝博士等人重新審視該任務(wù)，她們利用任務(wù)解耦合將上采樣這一復(fù)雜任務(wù)拆解為多個子任務(wù)，并設(shè)計相對應(yīng)的子網(wǎng)絡(luò)來達到更加精細且準(zhǔn)確的點云上采樣。通過實驗發(fā)現(xiàn)，該方法在合成數(shù)據(jù)以及真實數(shù)據(jù)上都可以達到最佳效果，進而還可輔助高質(zhì)量的網(wǎng)格模型重建。
在本次講座中，李賢芝博士首先從點云上采樣現(xiàn)有的研究方法入手，詳細分析這些方法的優(yōu)缺點，之后詳細解讀基于任務(wù)解耦合實現(xiàn)精準(zhǔn)的點云上采樣算法，最后探討點云上采樣這個領(lǐng)域的未來研究方向。
李賢芝是香港中文大學(xué)計算機系和香港物流機器人研究中心的博士后研究員，并于2020年7月獲得香港中文大學(xué)計算機科學(xué)與工程專業(yè)博士學(xué)位。李博的研究興趣集中在三維視覺、計算機視覺、深度學(xué)習(xí)和人工智能。目前她已于ACM TOG、ACM SIGGRAPH、IEEE TVCG、CVPR、ICCV、ECCV等頂級會議和期刊上發(fā)表論文十余篇，并擔(dān)任多個國際會議和期刊的審稿人。
課程主題
基于任務(wù)解耦合的點云上采樣
課程提綱
1、點云上采樣的研究方法總覽
2、實現(xiàn)精準(zhǔn)點云上采樣的端到端解耦網(wǎng)絡(luò)框架
3、點云上采樣的未來展望
講師介紹
李賢芝，香港中文大學(xué)計算機系和香港物流機器人研究中心的博士后研究員，于2020年7月獲得香港中文大學(xué)計算機科學(xué)與工程專業(yè)博士學(xué)位；研究興趣集中在三維視覺、計算機視覺、深度學(xué)習(xí)和人工智能；目前已于ACM TOG、ACM SIGGRAPH、IEEE TVCG、CVPR、ICCV、ECCV等頂級會議和期刊上發(fā)表論文十余篇，并擔(dān)任多個國際會議和期刊的審稿人。
直播信息
直播時間：8月5日晚7:00
直播地點：智東西公開課知識店鋪
