點(dian)(dian)(dian)(dian)云(yun)(yun)，簡(jian)單來說就是一(yi)堆(dui)點(dian)(dian)(dian)(dian)。由于我們的(de)(de)世(shi)界是一(yi)個三維(wei)世(shi)界，那(nei)么(me)點(dian)(dian)(dian)(dian)云(yun)(yun)中的(de)(de)每一(yi)個點(dian)(dian)(dian)(dian)也都是三維(wei)點(dian)(dian)(dian)(dian)，它在自動駕駛、城市規劃、考(kao)古(gu)文物保(bao)護、醫學影像、測繪(hui)等領域有著(zhu)廣泛的(de)(de)應用。目前，點(dian)(dian)(dian)(dian)云(yun)(yun)比較流行的(de)(de)研究內(nei)容主要有點(dian)(dian)(dian)(dian)云(yun)(yun)分類、點(dian)(dian)(dian)(dian)云(yun)(yun)檢索(suo)、點(dian)(dian)(dian)(dian)云(yun)(yun)分割、點(dian)(dian)(dian)(dian)云(yun)(yun)補全(quan)、點(dian)(dian)(dian)(dian)云(yun)(yun)上采(cai)樣、點(dian)(dian)(dian)(dian)云(yun)(yun)重建等。

在7月已完結的(de)兩場講座(zuo)中，來自香(xiang)港中文大學(xue)(xue)的(de)祝新革博士(shi)和慕(mu)尼黑工業大學(xue)(xue)聶隱愚博士(shi)后分別對點(dian)(dian)(dian)(dian)云(yun)(yun)分割和點(dian)(dian)(dian)(dian)云(yun)(yun)重建進行(xing)了深度解(jie)析，而在8月5日晚7點(dian)(dian)(dian)(dian)，智東(dong)西(xi)公開課特邀香(xiang)港中文大學(xue)(xue)博士(shi)后李賢芝對點(dian)(dian)(dian)(dian)云(yun)(yun)上采樣(yang)任(ren)務進行(xing)直播(bo)講解(jie)，主題為(wei)《基于(yu)任(ren)務解(jie)耦合的(de)點(dian)(dian)(dian)(dian)云(yun)(yun)上采樣(yang)》。

點云(yun)上(shang)采樣(yang)的(de)目標是從(cong)稀(xi)疏(shu)的(de)輸入中產生稠密(mi)且均一(yi)的(de)輸出，從(cong)而更好地(di)描(miao)述物體的(de)幾(ji)何特性。它對(dui)機器人導航、三(san)維(wei)重建、視覺測量以(yi)及AR/VR等視覺應(ying)用十分(fen)重要，因(yin)為它可(ke)以(yi)從(cong)常規(gui)的(de)低成(cheng)本(ben)測量中恢復出高質量、稠密(mi)的(de)點云(yun)。

目前，主(zhu)流的(de)點(dian)云(yun)上(shang)采樣方法(fa)主(zhu)要是優化(hua)方法(fa)和深度學習方法(fa)，其中優化(hua)方法(fa)用于(yu)局部幾(ji)何特(te)征并適用于(yu)光滑(hua)的(de)特(te)征較少目標的(de)點(dian)云(yun)上(shang)采樣，但他們卻難以(yi)保留點(dian)云(yun)中的(de)多尺度結(jie)構，而(er)深度學習方法(fa)雖然提高了(le)上(shang)采樣的(de)性能(neng)，但忽略了(le)許多細節信(xin)息。

基(ji)于上面方(fang)法的特(te)點，李賢(xian)芝博士等人重(zhong)新審視(shi)該任(ren)務(wu)(wu)，她們利用(yong)任(ren)務(wu)(wu)解耦合將(jiang)上采樣這(zhe)一復雜任(ren)務(wu)(wu)拆解為多個子(zi)任(ren)務(wu)(wu)，并(bing)設計相對(dui)應的子(zi)網(wang)絡來達(da)(da)到更加精(jing)細且準確的點云(yun)上采樣。通過實驗發現，該方(fang)法在合成數(shu)據以(yi)及(ji)真實數(shu)據上都(dou)可(ke)以(yi)達(da)(da)到最佳效果(guo)，進而還可(ke)輔助(zhu)高質(zhi)量的網(wang)格模型重(zhong)建。

在本次講座中，李賢芝博士首先(xian)從點(dian)(dian)云(yun)上采樣(yang)現有的(de)(de)研(yan)究方法入手，詳細分(fen)析這些(xie)方法的(de)(de)優缺點(dian)(dian)，之后(hou)詳細解讀基于任(ren)務解耦合實現精準的(de)(de)點(dian)(dian)云(yun)上采樣(yang)算法，最后(hou)探討點(dian)(dian)云(yun)上采樣(yang)這個領域的(de)(de)未(wei)來研(yan)究方向。

李賢芝是香(xiang)港中文(wen)(wen)大(da)學(xue)(xue)計(ji)算(suan)機(ji)系(xi)和(he)香(xiang)港物流機(ji)器人(ren)(ren)研究中心的博士后(hou)研究員，并(bing)于2020年7月獲得香(xiang)港中文(wen)(wen)大(da)學(xue)(xue)計(ji)算(suan)機(ji)科學(xue)(xue)與工程專業博士學(xue)(xue)位。李博的研究興趣集中在(zai)三(san)維(wei)視覺、計(ji)算(suan)機(ji)視覺、深度(du)學(xue)(xue)習和(he)人(ren)(ren)工智能。目前(qian)她已于ACM TOG、ACM SIGGRAPH、IEEE TVCG、CVPR、ICCV、ECCV等頂級會(hui)議和(he)期(qi)刊(kan)上(shang)發表論文(wen)(wen)十余篇(pian)，并(bing)擔任(ren)多個國際會(hui)議和(he)期(qi)刊(kan)的審(shen)稿人(ren)(ren)。

課程主題

基于任務解耦合(he)的點云上采(cai)樣

課程提綱

1、點云上采樣的研究方法總覽
2、實現精準點云上采樣的端到端解耦網絡框架
3、點云上采樣的未來展望

講師介紹

李賢芝，香(xiang)港(gang)(gang)中(zhong)文大學(xue)計(ji)算機(ji)(ji)系和(he)(he)香(xiang)港(gang)(gang)物流機(ji)(ji)器人研(yan)究中(zhong)心的博(bo)士后研(yan)究員，于2020年7月獲(huo)得香(xiang)港(gang)(gang)中(zhong)文大學(xue)計(ji)算機(ji)(ji)科學(xue)與(yu)工程(cheng)專業博(bo)士學(xue)位；研(yan)究興趣集中(zhong)在三維視(shi)覺(jue)、計(ji)算機(ji)(ji)視(shi)覺(jue)、深度學(xue)習和(he)(he)人工智能；目前已(yi)于ACM TOG、ACM SIGGRAPH、IEEE TVCG、CVPR、ICCV、ECCV等頂(ding)級會議(yi)和(he)(he)期刊上發表論文十余篇(pian)，并擔任多個(ge)國際會議(yi)和(he)(he)期刊的審(shen)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(kai)課知(zhi)識(shi)店鋪