点(dian)云(yun)(yun)(yun)，简单来说(shuo)就是一(yi)堆点(dian)。由于我(wo)们的(de)世界是一(yi)个(ge)三维世界，那么点(dian)云(yun)(yun)(yun)中的(de)每一(yi)个(ge)点(dian)也都是三维点(dian)，它(ta)在自(zi)动驾驶、城市规划、考古(gu)文物(wu)保(bao)护、医学影(ying)像、测绘等(deng)领域有着(zhe)广(guang)泛(fan)的(de)应用(yong)。目前，点(dian)云(yun)(yun)(yun)比(bi)较流行(xing)的(de)研究内容主要有点(dian)云(yun)(yun)(yun)分类、点(dian)云(yun)(yun)(yun)检索(suo)、点(dian)云(yun)(yun)(yun)分割、点(dian)云(yun)(yun)(yun)补全、点(dian)云(yun)(yun)(yun)上采样、点(dian)云(yun)(yun)(yun)重建等(deng)。

在7月已完结的(de)两场讲座中，来(lai)自香港(gang)中文大学的(de)祝(zhu)新革博(bo)士和(he)慕尼黑工(gong)业大学聂隐(yin)愚博(bo)士后分别(bie)对点(dian)(dian)云分割和(he)点(dian)(dian)云重建(jian)进行了深度解(jie)析，而(er)在8月5日晚7点(dian)(dian)，智东西公开课特邀香港(gang)中文大学博(bo)士后李(li)贤芝对点(dian)(dian)云上(shang)采样(yang)(yang)任(ren)务进行直播讲解(jie)，主题为《基于(yu)任(ren)务解(jie)耦合的(de)点(dian)(dian)云上(shang)采样(yang)(yang)》。

点云上(shang)采样的(de)目标是从稀(xi)疏的(de)输(shu)入中(zhong)产生(sheng)稠(chou)密且均一的(de)输(shu)出，从而更好(hao)地描述物(wu)体的(de)几(ji)何特性(xing)。它(ta)对(dui)机器人(ren)导航、三维重建、视觉测量(liang)以及AR/VR等视觉应用(yong)十分重要(yao)，因为(wei)它(ta)可(ke)以从常(chang)规的(de)低成(cheng)本测量(liang)中(zhong)恢复出高质量(liang)、稠(chou)密的(de)点云。

目前，主(zhu)流的点云(yun)上采(cai)样(yang)方(fang)法(fa)主(zhu)要(yao)是优(you)化方(fang)法(fa)和(he)深度学习(xi)方(fang)法(fa)，其中(zhong)优(you)化方(fang)法(fa)用(yong)(yong)于局部几何(he)特(te)征(zheng)并适用(yong)(yong)于光滑的特(te)征(zheng)较(jiao)少目标(biao)的点云(yun)上采(cai)样(yang)，但他们却难以保留点云(yun)中(zhong)的多尺度结构(gou)，而深度学习(xi)方(fang)法(fa)虽(sui)然(ran)提高了(le)上采(cai)样(yang)的性能，但忽(hu)略了(le)许多细(xi)节信息。

基于上(shang)(shang)面方法的(de)特点(dian)，李贤芝(zhi)博士(shi)等(deng)人重新审(shen)视该(gai)任(ren)务(wu)(wu)，她(ta)们利用(yong)任(ren)务(wu)(wu)解耦合(he)将上(shang)(shang)采(cai)样这一复杂任(ren)务(wu)(wu)拆解为多个子(zi)任(ren)务(wu)(wu)，并设计相对应(ying)的(de)子(zi)网(wang)络来(lai)达到更加精细且准确的(de)点(dian)云上(shang)(shang)采(cai)样。通过实验(yan)发(fa)现，该(gai)方法在合(he)成数据以及真实数据上(shang)(shang)都可(ke)以达到最佳(jia)效(xiao)果，进而还可(ke)辅助高质量的(de)网(wang)格模型重建。

在本次(ci)讲座中，李(li)贤(xian)芝(zhi)博士(shi)首先从(cong)点(dian)(dian)云上采样现有的(de)(de)研究方(fang)法(fa)入手，详(xiang)细分析这些(xie)方(fang)法(fa)的(de)(de)优缺点(dian)(dian)，之(zhi)后详(xiang)细解(jie)(jie)读基于任(ren)务解(jie)(jie)耦合实现精准(zhun)的(de)(de)点(dian)(dian)云上采样算法(fa)，最后探讨点(dian)(dian)云上采样这个领域的(de)(de)未(wei)来研究方(fang)向。

李贤芝是香(xiang)港(gang)(gang)中(zhong)(zhong)文(wen)(wen)大学(xue)计(ji)算机(ji)(ji)系和(he)(he)香(xiang)港(gang)(gang)物流机(ji)(ji)器人研(yan)究(jiu)(jiu)中(zhong)(zhong)心的博士后研(yan)究(jiu)(jiu)员，并(bing)(bing)于2020年7月(yue)获得香(xiang)港(gang)(gang)中(zhong)(zhong)文(wen)(wen)大学(xue)计(ji)算机(ji)(ji)科学(xue)与(yu)工程(cheng)专业博士学(xue)位(wei)。李博的研(yan)究(jiu)(jiu)兴趣集中(zhong)(zhong)在(zai)三维视觉、计(ji)算机(ji)(ji)视觉、深(shen)度学(xue)习和(he)(he)人工智(zhi)能(neng)。目(mu)前(qian)她已于ACM TOG、ACM SIGGRAPH、IEEE TVCG、CVPR、ICCV、ECCV等(deng)顶级会议(yi)和(he)(he)期刊(kan)上发表论(lun)文(wen)(wen)十余篇(pian)，并(bing)(bing)担任多个国际会议(yi)和(he)(he)期刊(kan)的审稿人。

课程主题

基于任(ren)务解耦合的点(dian)云上采样

课程提纲

1、点云上采样的研究方法总览
2、实现精准点云上采样的端到端解耦网络框架
3、点(dian)云上采(cai)样的未来展望(wang)

讲师介绍

李贤芝，香港(gang)中(zhong)文(wen)大学(xue)(xue)计(ji)算机系(xi)和香港(gang)物流机器人(ren)研(yan)究中(zhong)心的(de)博士(shi)后研(yan)究员，于(yu)2020年7月获得香港(gang)中(zhong)文(wen)大学(xue)(xue)计(ji)算机科学(xue)(xue)与工程专业博士(shi)学(xue)(xue)位；研(yan)究兴趣集中(zhong)在三维视觉(jue)、计(ji)算机视觉(jue)、深度学(xue)(xue)习和人(ren)工智能；目前(qian)已于(yu)ACM TOG、ACM SIGGRAPH、IEEE TVCG、CVPR、ICCV、ECCV等顶级会议和期刊上发表论文(wen)十(shi)余篇，并担(dan)任多个国(guo)际(ji)会议和期刊的(de)审稿(gao)人(ren)。

直播信息

直播时间：8月5日晚7:00
直播地点：智东(dong)西公开课知(zhi)识(shi)店铺(pu)