【直播通知】SFFAI114 三维点云补全专题
由于视角、遮挡和噪声的影响，实时扫描的点云通常是不完整的。现有的点云补全方法倾向于生成全局形状骨架，因此会缺乏精细的局部细节。此外，现有方法主要学习确定性的部分到完全的映射，但忽略了人造物体中的结构关系。本期论坛我们邀请到了来自南洋理工大学的潘亮，他提出的变分关联点云补全网络成功应对了这些挑战。
讲者介绍
潘亮，南洋理工大学 S-Lab 博士后，主要研究方向为基于深度学习的 3D 点云形状重建和语义感知，目前已在机器人和计算机视觉顶会发表多篇论文。
会议题目
变分关联点云补全网络
会议摘要
在 CVPR 2021 上，南洋理工大学 S-Lab 与商汤 IRDC 团队合作提出变分关联点云补全网络 (VRCNet)。如 Fig.1(a) 所示， VRCNet 首先预测出粗略形状框架 (PMNet)，再增强关联性形状细节生成 (RENet)。对比之前方法， VRCNet 生成的完整点云有显著的质量提升 (见 Fig.1(b))。更进一步地， Fig.1(c) 中的补全结果显示， VRCNet 可以基于观测到的不同的残缺点云，结合关系性架构推测生成合理而不同的完整点云。此外，本文还建立了一个大规模多视角的残缺点云 (MVP) 数据集，可以应用于包括残缺点云分类、分割和配准等多个点云学习任务的研究。
在线阅读：https://bbs.sffai.com/d/258
会议亮点
1、我们提出了 VRCNet，一个综合且强力的变分关联性点云补全网络。VRCNet 可以通过学习关联性结构来预测高质量完整点云；
2、此外，我们还提出了多个新颖并且强力的基于自注意力的点云学习模块，如 PSA 和 PSK，它们也可以很便捷地被运用到其他的点云学习任务中；
3、特别地，我们贡献了一个大规模的点云数据集 MVP，可以应用于多个点云学习任务，比如残缺点云分类和配准。
直播时间
2021年7月18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“SFFAI114”，获取入群二维码
注：腾讯会议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。
