内容

可视计算研究中心2017年前沿技术研讨会

阅读数:518    发布:2017-03-03 07:44    更新:2017-03-15 10:57    

2017年2月24-25日,新学期伊始,可视计算研究中心主任黄惠特聘教授组织的可视计算前沿技术研讨会开启了VCC 2017年度学术研究的新篇章。本次研讨会邀请了图形学领域专家对前沿技术进行了讲解分析,可视计算研究中心的员工及学生也分别就近期学术进展进行了报告,旨在进一步部署新学年研究任务及计划。10场讲座上精彩的学术探讨激发了学生们思维碰撞的火花,引发了热烈讨论,大家都受益匪浅。

24日全天属内部研讨。

25号上午,首先由德国康斯坦茨大学教授Oliver Deussen作报告,Deussen教授在图形学与可视化领域都有着杰出成就,与我们分享了题为《LBG-Stippling: A New Form of Computer Illustration》的报告。该方法按照最近邻的原则,将平面上的所有点按照它们到所给离散点的欧式距离的远近进行分类,采用加权Voronoi图表示二维图像或者三维模型时,点云之间随机均匀分布,而不同分辨率的特征采用不同密度表示。对于三维模型,在曲率越大的地方包含的细节信息越丰富,需要用比较密集的点云,与此相对,曲率小的地方较稀疏的点云即可很好的描绘。该算法实现图像以及模型的点云显示,Deussen教授浅显易懂的讲解方式,生动又幽默,一席轻松的话就加深了大家对于点云显示的了解。

紧接着,周漾老师作了题为《Shape Completion using 3D-Encoder-Predictor CNNs and Shape Synthesis》的报告,介绍了在三维扫描过程中不可避免出现模型信息缺失,阐述了一种新型的模型补全方法,通过在3D模型数据库ShapeNet上学习部分扫描点云与整体模型之间的对应关系,来补全缺失,使用深度学习对现实中扫描的点云缺失部分进行模型补全,更适合在结构上缺失的点云数据。有效地解决了当下扫描过程中出现的结构性点云缺失的瓶颈。

借着大家热情高涨的劲头,新加入可视计算研究中心的博士后王昊,给大家作了题为《Human Pose Estimation with Iterative Error Feedback (IEF)》的主题报告,诠释了如何准确输出图像上人物的姿势。 传统的卷积神经网络虽然能够很好地提取出目标图片的层次特征,但这种方式仅仅能够学习到输入空间的丰富表达,也不能显示建立输入空间和输出空间的依赖关系。使用代误差反馈(IEF),引入自上而下的反馈机制,即能将预测出的错误返回到输入空间中,渐进地对初始预测姿势进行优化,最终获得准确的人物姿势。

最后,石家庄铁道大学副教授王辉老师为大家作了题为《Discriminative Learning of Deep Convolutional Feature Point Descriptors》的报告,为本次学术交流画上圆满的句号。神经网络如今炙手可热,在可视计算领域更是应用甚广。王辉老师分享的“识别深度卷积特征点描述符的学习”,目的是通过卷积神经网络学习图像块描述符,可用于识别图像块。因此不仅能够替代传统的SIFT描述符,还能有效解决大规模检索问题,大量节省人力。

在这两天的研讨会上,学生踊跃地提出疑问,讲者也就大家的问题耐心地进行解答,通过这种高密集度,高技术含量度的讨论,VCC新学年的学术研究工作也在大家的共同探讨中拉开序幕。

2017年,期待大家收获更多!

 

深圳大学计算机与软件学院 2009-2016