Talk预告 | ICLR'21 Oral 一作张雨暄: 一种基于生成对抗模型和可微分渲染的三维重建与
本周为TechBeat人工智能社区第303期线上Talk，也是ICLR 2021系列Talk第⑩期。北京时间5月12日(周三)晚8点，ICLR 2021 Oral一作、NVIDIA AI LAB 研究实习生—张雨暄的Talk将准时在TechBeat人工智能社区开播！
他与大家分享的主题是: “一种基于生成对抗模型和可微分渲染的三维重建与表征解耦方法”，届时将针对作者ICLR 2021 paper《Image GANs meet Differentiable Rendering for Inverse Graphics and Interpretable 3D Neural Rendering》（Oral）作出介绍。
Talk·信息
主题：一种基于生成对抗模型和可微分渲染的
三维重建与表征解耦方法
嘉宾：NVIDIA AI LAB 研究实习生 张雨暄
时间：北京时间 5月12日 (周三) 20:00
地点：TechBeat人工智能社区
http://www.techbeat.net/
完整版怎么看？
扫描下方二维码，或复制链接 https://datayi.cn/w/4PYK8BW9 至浏览器，一键完成预约！上线后会在第一时间收到通知哦~
Talk·提纲
▼
三维重建是计算机视觉的重要研究问题之一。传统有监督三维重建算法需要真实值3D模型作为标准答案，因此受限于合成数据集而难以泛化，难以在真实图片上取得好的重建效果。基于可微分渲染的重建方法可以直接利用多视图图片训练，不需要3D模型的参与，因而不受限与合成数据集。然而，在实际问题中，多视图图片仍然难以获得。为了克服这个困难，我们提出一种将生成对抗网络与可微分渲染技术相结合的方法，只利用单视图图片就可以达到很好的重建效果。并且，此框架还可以利用三维信息解耦对抗生成网络，从而根据使用者的需要控制图像生成过程。
本次分享的主要内容如下：1. 基于可微分渲染的重建算法如何克服传统有监督重建算法的困难
2. 如何引入对抗生成网路降低数据获取难度，提升重建效果
3. 如何利用得到的三维信息解耦对抗生成网络，控制图像生成过程
4. 如何进一步利用隐空间的语义信息支持三维语义分割 （后续工作）
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] Image GANs meet Differentiable Rendering for Inverse Graphics and Interpretable 3D Neural Rendering
https://arxiv.org/abs/2010.09125
[2] Learning to Predict 3D Objects with an Interpolation-based Differentiable Renderer
https://arxiv.org/abs/1908.01210
[3] DatasetGAN: Efficient Labeled Data Factory with Minimal Human Effort
https://arxiv.org/abs/2104.06490
Talk·提问交流
▼
通过以下两种方式提问都将获得微信现金红包奖励哦！
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，被讲者直接翻牌解答！
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！
Talk·嘉宾介绍
▼
NVIDIA AI LAB 研究实习生
张雨暄，滑铁卢大学在读本科生，研究方向为计算机视觉和机器学习。本科期间在ICLR, CVPR等顶会上发表多篇论文。毕业后将赴普林斯顿攻读博士。
ICLR 2021 系列Talk
▼
第①弹
第②弹
第③弹
第④弹
第⑥弹
第⑦弹
第⑧弹
第⑨弹
关于TechBeat人工智能社区
▼
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/pTbCK_MeTk05jK2yx1RTrQ
