【直播预告】SFFAI 125 点云补全专题
点云补全是众多3D视觉任务重要模块。大多数点云补全方法在很大程度上依赖于成对的残缺-完整点云并以全监督方式进行学习。尽管它们在域内数据上的表现令人印象深刻，但泛化到其他形式的残缺点云或现实世界的残缺扫描时，由于域的差距，往往无法获得令人满意的结果。本期论坛我们邀请到了来自新加坡南阳理工大学的张俊哲同学，他提出了基于GAN逆映射的无监督点云补全方法ShapeInversion，不再需要成对的训练数据，并具有了显著的泛化能力。
讲者介绍
张俊哲，来自新加坡南洋理工大学S-Lab 和MMLab@NTU的博士生，师从吕健勤(Chen Change Loy)副教授和 Chai Kiat Yeo 副教授。研究领域包括多相机关联与融合，异常检测，和深度学习框架。当前主要研究兴趣包括三维重建和生成，点云补全等。在CVPR/ECCV/ICCV计算机视觉顶级会议上发表多篇论文。
会议题目
ShapeInversion: 基于GAN逆映射的无监督点云补全方法
会议摘要
本工作提出了ShapeInversion，将生成对抗网络(GAN)逆映射引入到点云补全中。ShapeInversion使用一个在完整点云上预训练的GAN，搜索一个潜码，该代码给出一个完整点云的点云，能最好地重建给定的残缺输入。通过这种方式，ShapeInversion不再需要成对的训练数据，能纳入训练好的生成模型中捕获的丰富先验。在ShapeNet基准上，ShapeInversion优于SOTA无监督方法，可与用配对数据学习的有监督方法相媲美，还展示了显著的泛化能力，对现实世界的扫描和各种形式的残缺输入以及不完整程度给出了鲁棒的结果。由于预训练GAN的参与，ShapeInversion自然地实现了一系列额外的能力，例如为一个模糊的残缺输入产生多个合理的完整点云，以及点云的扰动和内插。
会议亮点
1、我们在点云补全任务上第一次提出了基于GAN逆映射的框架ShapeInversion；
2、ShapeInversion 框架解决了一些3D数据结构固有的问题，从而更充分的利用了GAN的知识；
3、ShapeInversion 在真实数据上展现了很好的泛化效果。
直播时间
2021年10月10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“SFFAI125”，获取入群二维码
注：直播地址会分享在交流群内
现代科学技术高度社会化，在科学理论与技术方法上更加趋向综合与统一，为了满足人工智能不同领域研究者相互交流、彼此启发的需求，我们发起了SFFAI这个公益活动。SFFAI每周举行一期线下活动，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目前主要关注机器学习、计算机视觉、自然语言处理等各个人工智能垂直领域及交叉领域的前沿进展，将对线下讨论的内容进行线上传播，使后来者少踩坑，也为讲者塑造个人影响力。SFFAI还在构建人工智能领域的知识森林—AI Knowledge Forest，通过汇总各位参与者贡献的领域知识，沉淀线下分享的前沿精华，使AI Knowledge Tree枝繁叶茂，为人工智能社区做出贡献，欢迎大家关注SFFAI论坛：https://bbs.sffai.com。
