Talk预告 | 牛津大学在读博士胡庆拥带来分享: 大场景三维点云语义理解及配准
本周为将门-TechBeat技术社区第276期线上Talk!
北京时间1月27日(周三)晚8点,牛津大学计算机科学在读博士生—胡庆拥的Talk将准时在将门TechBeat技术社区开播!
他与大家分享的主题是: “大场景三维点云语义理解及配准”,届时将围绕主题分享他和团队的一些工作。

Talk·信息
▼
主题:大场景三维点云语义理解及配准
嘉宾:牛津大学计算机科学
在读博士生 胡庆拥
时间:北京时间 1月27日 (周三) 20:00
地点:将门TechBeat技术社区
http://www.techbeat.net/
长按识别二维码,一键完成预约!

Talk·提纲
▼
实现机器对三维世界的智能理解,是计算机视觉从学科诞生初期延续至今的一个重要使命。近年来,随着激光雷达、深度相机及三维扫描仪等成像传感器的快速发展,点云数据的获取变得越来越便捷。然而,由于点云数据分布不规则、密度不均匀且排列无序等特性,针对大场景点云的高效处理仍面临许多挑战。
本次分享会围绕大场景三维点云的语义理解以及配准展开,并详细介绍一些相关工作。
本次分享的主要内容如下:
1. 点云语义分割背景介绍(IEEE T-PAMI 2020)
2. 基于随机采样的大场景点云语义分割(RandLA-Net, CVPR 2020)
3. 基于摄影测量的城市规模点云数据集(SensatUrban, Arxiv 20)
4. 用于三维点云配准的局部表面描述子(SpinNet, Arxiv 20)
Talk·参考资料
▼
这是本次分享中将会提及的资料,建议提前预习哦!
1. RandLA-Net: Efficient Semantic Segmentation of Large-scale Point Clouds (CVPR 2020)
https://arxiv.org/abs/1911.11236
2. Towards Semantic Segmentation of Urban-Scale 3D Point Clouds: A Dataset, Benchmarks and Challenges
https://arxiv.org/abs/2009.03137
3. Deep Learning for 3D Point Clouds: A Survey
https://arxiv.org/abs/1912.12033
4. SpinNet: Learning a General Surface Descriptor for 3D Point Cloud Registration
https://arxiv.org/abs/2011.12149
Talk·提问交流
▼
方式 ①
在Talk界面下的【交流区】参与互动!留下你的打call🤟和问题🙋,和更多小伙伴们共同讨论,说不定就被讲者直接翻牌解答了呢!

你的每一次贡献,我们都会给予你相应的i豆积分,还会有惊喜奖励哦!
方式 ②
在本文留言区直接提出你的问题,或扫描下方二维码提问!问题被选中的小伙伴们将获得一个红包奖励!

Talk·嘉宾介绍
▼

牛津大学计算机科学在读博士生
胡庆拥,牛津大学计算机系博士三年级在读学生,师从 Niki Trigoni 和 Andrew Markham 教授。主要研究方向为大场景三维点云的处理,包括语义分割、实例分割以及点云配准。相关论文发表于IEEE T-PAMI、CVPR、NeurIPS等。
个人主页:
https://qingyonghu.github.io/
长按识别二维码,一键完成预约!

关于TechBeat社区
▼
TechBeat(www.techbeat.net)是一个荟聚全球华人AI精英的成长社区。 我们希望为AI人才打造更专业的服务和体验,加速并陪伴其学习成长。期待这里可以成为你学习AI前沿知识的高地,分享自己最新工作的沃土,在AI进阶之路上的升级打怪的根据地!
更多详细介绍>>https://mp.weixin.qq.com/s/7UYO3h4iLpX1RbySS7kG8w