由于點云天然的稀疏性和非規(guī)則性，因此如何對原始點云進(jìn)行處理，并產(chǎn)生稠密、完整、均勻的高質(zhì)量點云數(shù)據(jù)這一任務(wù)吸引了眾多研究人員的目光。針對點云的稀疏性問題，8月5日，智東西公開課邀請到港中文博士后李賢芝，以《基于任務(wù)解耦合的點云上采樣》為主題，為大家講解了生成“更稠密”點云的上采樣方法。
當(dāng)然，高質(zhì)量的點云生成不只有點云上采樣這一種方法。點云補全也可用來生成高質(zhì)量的點云。
目前，大多數(shù)的點云補全方法很大程度上依賴成對的殘缺-完整點云并以全監(jiān)督方式進(jìn)行學(xué)習(xí)。盡管它們在域內(nèi)數(shù)據(jù)上取得了很好的表現(xiàn)，但泛化到其他形式的殘缺點云或現(xiàn)實世界的殘缺掃描時，由于域的差距，往往無法獲得令人滿意的結(jié)果。
在CVPR 2021中，南洋理工大學(xué)的李俊哲博士等人提出了一種基于GAN逆映射的無監(jiān)督點云補全網(wǎng)絡(luò)ShapeInversion。
ShapeInversion使用一個在完整點云上預(yù)訓(xùn)練的GAN來搜索一個潛碼，該潛碼通過預(yù)訓(xùn)練的GAN生成一個完整點云，該方法能最好地重建給定的殘缺輸入。同時通過這種方式，ShapeInversion不再需要成對的訓(xùn)練數(shù)據(jù)，它可以從訓(xùn)練好的生成模型中捕獲豐富的先驗知識。
在ShapeNet基準(zhǔn)上，ShapeInversion的性能優(yōu)于SOTA無監(jiān)督方法。與此同時，ShapeInversion還展現(xiàn)顯著的泛化能力，對現(xiàn)實世界的掃描和各種形式的殘缺輸入以及不完整程度都能給出了魯棒的結(jié)果。想了解ShapeInversion更多內(nèi)容的朋友，不要錯過本周三的直播呦。
8月25日晚7點，智東西公開課特邀南洋理工大學(xué)在讀博士張俊哲參與「學(xué)術(shù)新青年講座」CVPR 2021特別企劃第10講的直播講解，主題為《基于GAN逆映射的無監(jiān)督點云補全》。
在本次講座中，張博將從點云補全的研究入手，分析全監(jiān)督點云補全的泛化性問題，詳細(xì)講解他的CVPR 2021研究成果：基于GAN逆映射的無監(jiān)督點云補全網(wǎng)絡(luò)ShapeInversion，并探討在在不同殘缺程度點云上的應(yīng)用。
張俊哲是新加坡南洋理工大學(xué)S-Lab 和MMLab的博士生，師從呂健勤副教授和 Chai Kiat Yeo 副教授。他的研究領(lǐng)域包括多相機(jī)關(guān)聯(lián)與融合、異常檢測和深度學(xué)習(xí)框架，當(dāng)前主要研究興趣包括三維重建和生成、點云補全等，在CVPR、ECCV計算機(jī)視覺頂級會議上發(fā)表多篇論文。
課程主題
基于GAN逆映射的無監(jiān)督點云補全
課程提綱
1、點云補全的研究
2、全監(jiān)督點云補全的泛化性問題
3、基于GAN逆映射的無監(jiān)督點云補全網(wǎng)絡(luò)ShapeInversion
4、在不同殘缺程度點云上的應(yīng)用
講師介紹
張俊哲，新加坡南洋理工大學(xué)S-Lab 和MMLab@NTU的博士生，師從呂健勤副教授和 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、點云補全等；在CVPR、ECCV計算機(jī)視覺頂級會議上發(fā)表多篇論文。
直播時間
直播時間：9月3日晚7：00
直播地點：智東西公開課知識店鋪
