由高仙机器人和将门创投主办的「神经网络隐式场景表示」前沿进展研讨会将在北京时间9月28日（周二）晚19点在线上举行。

神经网络隐式场景表示（Implicit Neural Scene Representation）指利用人工神经网络和深度学习技术，实现高效、高保真的场景信息编码，支持三维重建、虚拟视角合成、场景理解等应用。本交流会邀请到相关研究人员分享最新工作进展，探讨未来研究方向。欢迎大家报名参与！

01 活动信息

02 报名方式

1.添加工作人员小将微信（微信号：thexiaojiang）并备注“活动-姓名-title”，title可以是“公司-职位”或者“高校-专业”。

2. 通过审核后，小将会将你拉入活动群。

03 Talk及嘉宾介绍

Continual Neural Mapping 从序列观测中学习隐式场景表示

主讲人：颜子轲 | 北京大学 在读博士生

Talk介绍：

隐式场景表示建立了环境中三维坐标与对应场景性质的映射关系。本次Talk进一步探究了如何利用神经网络从序列观测中持续学习和更新这样的映射关系，并将这样的问题设定称为Continual Neural Mapping。我们发现，利用基于经验回放的持续学习方法，单个全连接网络可以从序列观测中增量地学习到场景中坐标与几何性质的对应关系。这样的持续映射不会受到灾难性遗忘问题的影响，并有着不错的表示效率和表示精度。

论文链接：

https://arxiv.org/abs/2108.05851

嘉宾介绍：

颜子轲，北京大学智能科学系博士三年级，导师为查红彬教授。

主要的探索方向是如何提升三维场景的描述能力和更新效率，为部署在未知环境下的移动设备赋予更强的空间感知能力。

个人主页：

zikeyan.github.io

基于隐表征的就地场景标注与理解

主讲人：智帅峰 | 伦敦帝国理工学院在读博士生

Talk介绍：

现实场景中语义信息往往与光度和几何信息紧密相关，因为场景中具体相似纹理特征和几何特征的区域往往有较大概率从属于同一个语义类别。此外，场景观测序列的语义标也存在一定冗余性，加之一个场景中的语义信息是严格多视角一致的。受此启发，我们介绍了Semantic-NeRF，首次提出将语义信息加入NeRF，实现了纹理、几何与语义信息的联合隐表征。论文的核心出发点在于证明了三维隐表征自身具备的连续性和多视角一致性使得Semantic-NeRF仅依靠稀疏/带噪声的语义标签，便能获得准确的室内语义标注和理解。大量实验结果证明了Semantic-NeRF的应用潜力。

论文链接：

https://arxiv.org/abs/2103.15875

嘉宾介绍：

智帅峰，帝国理工学院戴森机器人实验室博士研究生，师从Andrew Davison教授和Stefan Leutenegger副教授。博士课题主要关注语义SLAM, 语义场景表征相关的研究。

个人主页：

shuaifengzhi.com

MINE: 利用NeRF将MPI深度连续化的新视角合成方法

主讲人：黎嘉信 | 高仙机器人深度学习总监兼新加坡研发中心总监

Talk介绍：

MINE通过对单张图片做三维重建，实现新视角合成和深度估算。通过引入隐式神经场（NeRF），我们将Multiplane Images (MPI)扩展成连续的深度平面。给定单个图片作为输入，MINE能在相机视锥中的任意深度，预测出一个四通道的图像，四通道包括RGB颜色和空间密度。这种任意深度的四通道预测，实际上是对输入图片的视锥的三维重建，以及对被遮挡内容的填充（inpainting）。被重建和填充的视锥能很容易的渲染出新视角下面的RGB图片和深度图，并且渲染过程是可导的。在RealEstate10K, KITTI和Flowers Light Fields数据集上的实验表明，MINE在新视角合成的性能上大幅超越了当前最前沿的方法。同时，在iBims-1和NYU-v2的实验表明，我们在没有使用真值深度做监督训练的情况下，获得了和前沿方法接近的深度估计性能。

代码开源地址：

https://vincentfung13.github.io/projects/mine/

论文链接：

https://arxiv.org/abs/2103.14910

嘉宾介绍：

黎嘉信现为高仙机器人深度学习总监、新加坡研发中心总监，2014年清华大学本科毕业，2018年新加坡国立大学博士毕业，师从陈本美教授和Lee Gim Hee教授。此前历任Motional感知科学家和夜间驾驶负责人、字节跳动AI Lab视觉科学家。以第一作者发表多篇计算机视觉/机器人顶级会议论文，包括CVPR 2018/2021、ICCV 2019/2021、ICRA 2019、IROS 2017等。

个人主页：

https://github.com/lijx10

04 更多圆桌讨论嘉宾

Gim Hee Lee

新加坡国立大学助理教授

I am currently an Assistant Professor at the Department of Computer Science at the National University of Singapore (NUS), where I head the Computer Vision and Robotic Perception (CVRP) Laboratory. I am also affiliated with the NUS Graduate School for Integrative Sciences and Engineering (NGS), and the NUS Institute of Data Science (IDS). I was a researcher at Mitsubishi Electric Research Laboratories (MERL), Cambridge Massachusetts, USA from June 2014 to July 2015. Prior to MERL, I did my PhD in Computer Science at ETH Zurich from January 2009 to March 2014 under the supervision of Prof. Marc Pollefeys. I received my B.Eng with first class honors and M.Eng degrees from the Department of Mechanical Engineering at NUS in June 2005 and February 2008, respectively. I worked at DSO National Laboratories in Singapore as a Member of Technical Staff from August 2007 to December 2008. I have served or will serve as an Area Chair for BMVC 2020, 3DV 2020, CVPR 2021, ICCV 2021, BMVC 2021 and WACV 2022, and will be part of the organizing committee as the Exhibition/Demo Chair for CVPR 2023.

个人主页：www.comp.nus.edu.sg/~leegh

史雪松

高仙机器人SLAM算法总监

史雪松，复旦大学电子工程系博士，高仙机器人SLAM算法总监，曾任英特尔研究院主任研究员，长期从事机器人系统和算法研究，主要研究方向为三维视觉、深度学习和异构计算。史雪松博士为英特尔自主移动机器人软件包的主要算法贡献者，OpenLORIS系列数据集作者，IROS 2019 Lifelong Robotic Vision Challenge竞赛主席，曾于信号处理、机器人学和计算机视觉的顶级学术会议与期刊发表十多篇论文，拥有十多项机器人和人工智能方向的国际专利申请，担任中国计算机学会智能机器人专业组常务委员。

赵昊

英特尔中国研究院研究员

赵昊，本科和博士就读于清华大学电子工程系，北京大学智能科学系博士后，英特尔中国研究院研究员，清华最大的科创社团“天空工场”的创始人之一。赵昊博士的主要研究兴趣是三维场景理解，SLAM和认知计算，在CVPR，ICCV，ECCV，IJCV，CVIU，T-MM，IROS等刊物发表10余篇文章。在学术研究之外，赵昊博士对机械设计，嵌入式开发，人机交互等机器人相关领域有着丰富实践经验。赵昊博士曾作为英特尔中国的青年科学家代表参加各类行业峰会和品牌活动。

个人主页：

sites.google.com/view/fromandto 

记 得 报 名

1. 添加工作人员小将微信（微信号：thexiaojiang）并备注“活动-姓名-title”，title可以是“公司-职位”或者“高校-专业”。

2. 通过审核后，小将会将你拉入活动群。

- The End -

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