SFFAI论坛已开放注册

详情点击查看：https://bbs.sffai.com/d/312

3D几何形状表示和建模是计算机图形学和计算机视觉的核心任务之一。从场景理解、物体识别与分类等上层应用到形状重建和编辑等底层任务的算法设计都依赖于三维几何表示。理想的三维表示方法应该能够处理灵活的拓扑、在各种尺度下表示模型的细节并且可以高效的进行编辑和渲染，现有的用于深度几何学习的表示方法难以同时满足以上的要求，而本期分享者杨洁同学通过提出一种结构化的深度生成模型解决了此类问题。

讲者介绍

杨洁，中国科学院计算技术研究所博士研究生，指导教师为高林副研究员与夏时洪研究员。研究方向包括计算机图形学，深度几何学习，几何处理等。本科毕业于四川大学数学系，获得理学学士学位。系列研究成果发表在计算机顶级期刊会议ACM SIGGRAPH\TOG、IEEE TPAMI、IEEE TVCG、NeurIPS和ICCV等。曾获得国家奖学金，时谛智能CAD&CG优秀学生奖，第四范式博士生奖等。

分享题目

结构化的深度生成模型

分享摘要

本工作得益于局部隐式场表示的灵活性和分层次递归表示的细节表达能力强的优势。通过将局部隐式场与每个八叉树节点单元相关联，解决了基于局部隐式场的几何建模和重建方法效率低下的问题。本工作提出的表示可以使用紧凑的存储对具有精细细节的大规模形状进行建模，并且可以用于表示具有任意拓扑的三维形状。随后，我们依据三维模型内在的多层级结构设计提出了相应的深度生成模型，引入了结构化的建模方法来对一般的三维人造模型进行表示建模。我们的深度生成模型可以对三维模型的几何细节和结构进行编码，并且可以合理的利用数据的分布进行模型插值和生成。

题目：OctField: Hierarchical Implicit Functions for 3D Modeling

分享亮点

1. 本文提出针对3D表面的可学习的分层次隐式表示方法，可以用较低的内存和计算代价对复杂表面进行高精度的编码；

2. 本文提出的针对一般三维模型结构化表示，可以将三维模型的几何和结构进行解耦；

3. 本文介绍的方法可以处理任意拓扑的三维模型和场景。

直播时间

2022年3月13日（周日）20:00—21:00 线上直播

关注微信公众号：人工智能前沿讲习，对话框回复“SFFAI140”，获取入群二维码

人工智能前沿学生论坛 SFFAI（Student Forums on Frontiers of Artificial Intelligence）每周日举行一期， 邀请一线科研人员分享、讨论人工智能各个领域的前沿思想和最新成果，使专注于各个细分领域的研究者开拓视野、触类旁通。SFFAI 目前主要关注计算机视觉、自然语言处理、数据挖掘、机器学习理论等各个人工智能垂直领域及交叉领域的前沿进展，进行学术传播，为初学者指明方向，也为讲者塑造个人影响力。

欢迎大家关注SFFAI论坛：https://bbs.sffai.com/。