「AI新(xin)(xin)(xin)青(qing)(qing)年(nian)(nian)講(jiang)座」將邀請世界(jie)頂尖AI研(yan)究機(ji)(ji)構和大學的科研(yan)新(xin)(xin)(xin)青(qing)(qing)年(nian)(nian)，主講(jiang)他們在(zai)計算機(ji)(ji)視覺(jue)、機(ji)(ji)器學習等人工智能領(ling)域的最新(xin)(xin)(xin)重要研(yan)究成果。

AI新青年是加速人工智能(neng)前(qian)沿研(yan)究(jiu)的(de)新生力(li)量。AI新青年的(de)視(shi)頻(pin)講解(jie)和(he)直播答疑，將可(ke)以(yi)幫(bang)助大家增(zeng)進對人工智能(neng)前(qian)沿研(yan)究(jiu)的(de)理解(jie)，相應(ying)領(ling)域的(de)專業知(zhi)識也(ye)(ye)能(neng)夠(gou)得(de)以(yi)積累(lei)加深。同時(shi)，通過與AI新青年的(de)直接(jie)交流，大家在(zai)AI學習和(he)應(ying)用AI的(de)過程(cheng)中遇(yu)到的(de)問題，也(ye)(ye)能(neng)夠(gou)盡(jin)快解(jie)決(jue)。

有(you)興(xing)趣(qu)分享學(xue)術成果的(de)朋友，可(ke)以與智東西公開課教研團(tuan)隊進行(xing)郵(you)件（class@sanyasheying.cn）聯系。

目前(qian)，大部分常(chang)見(jian)的(de)點(dian)云(yun)分類模型(xing)都是在較為(wei)理想的(de)數據(ju)上進行訓練的(de)，而在真實世界中，由于場(chang)景的(de)復雜性、傳感器失(shi)準(zhun)以及(ji)數據(ju)處理偏差(cha)等原因，點(dian)云(yun)數據(ju)不可(ke)避免地受到(dao)噪音的(de)影響(xiang)。與此同時，點(dian)云(yun)數據(ju)往往被應(ying)用于與安全息息相關的(de)應(ying)用場(chang)景，如自動駕駛和醫療診斷等等，點(dian)云(yun)模型(xing)的(de)魯(lu)棒性尤為(wei)重要。

現(xian)有對(dui)于(yu)點(dian)云(yun)分(fen)類模型的(de)魯(lu)棒(bang)(bang)性研究(jiu)主要集中于(yu)三點(dian)：在特定的(de)數據上驗(yan)證魯(lu)棒(bang)(bang)性、在模擬至真實場景(jing)下驗(yan)證魯(lu)棒(bang)(bang)性和在對(dui)抗攻(gong)擊場景(jing)下驗(yan)證魯(lu)棒(bang)(bang)性。盡(jin)管(guan)已有工作對(dui)點(dian)云(yun)分(fen)類模型的(de)魯(lu)棒(bang)(bang)性進行了探究(jiu)，但(dan)到目前(qian)為止還缺乏一個(ge)標準且全面的(de)基線(xian)。

基(ji)于此(ci)，南洋理工大(da)學(xue)在讀博士任嘉瑋等人提(ti)(ti)出了首(shou)個(ge)用于點(dian)(dian)云分(fen)(fen)類(lei)和部件(jian)分(fen)(fen)割的(de)魯棒(bang)性(xing)(xing)測試基(ji)線PointCloud-C，并根(gen)據(ju)PointCloud-C構建了來(lai)自真實世界(jie)3D噪(zao)聲源的(de)全新測試集ModelNet-C。同時(shi)，他們設計(ji)了一個(ge)高(gao)魯棒(bang)性(xing)(xing)的(de)點(dian)(dian)云分(fen)(fen)類(lei)模(mo)(mo)型(xing)RPC，并分(fen)(fen)別從結構、訓練和數據(ju)增(zeng)廣三方(fang)面(mian)給(gei)出了面(mian)向3D感(gan)知的(de)高(gao)魯棒(bang)性(xing)(xing)模(mo)(mo)型(xing)設計(ji)技(ji)巧(qiao)。大(da)量的(de)實驗證明(ming)，這種魯棒(bang)的(de)點(dian)(dian)云分(fen)(fen)類(lei)模(mo)(mo)型(xing)RPC和設計(ji)技(ji)巧(qiao)都能顯著地提(ti)(ti)高(gao)點(dian)(dian)云分(fen)(fen)類(lei)對于真實世界(jie)點(dian)(dian)云噪(zao)音的(de)魯棒(bang)性(xing)(xing)。

7月13日晚7點，「AI新青年講座」第136講邀請到南洋理工大學S-Lab在讀博士任嘉瑋參與，主講《應對常見噪聲的高魯棒性點云分類模型》。

講者

任(ren)嘉瑋，南洋理(li)工大學(xue)S-Lab在讀博士(shi)，導(dao)師是(shi)劉子緯助理(li)教授，以一作(zuo)身份發表(biao)四篇(pian)頂(ding)會論文，曾獲得COCO 2019 全景分割挑戰冠軍(jun)，目前研究(jiu)興(xing)趣是(shi)開放世界學(xue)習與3D表(biao)征學(xue)習。

主題

應對常見噪聲的高魯棒性(xing)點云分類(lei)模型(xing)

提綱

1、常見點云分類模型中的魯棒性問題
2、基于真實世界3D噪聲源的全新測試集ModelNet-C
3、高魯棒性的點云分類模型RPC
4、面(mian)向3D感知的高(gao)魯(lu)棒性模型設計(ji)技巧(qiao)

直播信息

直播時間：7月13日19:00
直播地(di)點：智東西公開課知識店鋪(pu)