专题论坛

        大会精心组织了两个计算机辅助设计与图形学热点领域的专题论坛:“深度学习在计算机图形学中的应用”与“三维几何赋能三维视觉”。在这里特别感谢召集人许威威博士和徐凯博士。

专题论坛详情如下:

•专题研讨1:深度学习在计算机图形学中的应用

                      主持人:郭延文 教授(南京大学)

                       特邀专家:

                      1. 张举勇 副教授(中国科学技术大学) 报告题目:三维重建问题的高效计算

                      2. 吴鸿智 副教授(浙江大学) 报告题目:可微视觉信息采集 (Differentiable Acquisition of Visual Information)

                      3.杨鑫 副教授(大连理工大学) 报告题目:在交互中学习

•专题研讨2:三维几何赋能三维视觉

                      主持人:徐凯 副教授(国防科技大学)

                       特邀专家:

                      1. 周晓巍 研究员(浙江大学) 报告题目:基于视觉的3D物体位姿估计与人体运动捕捉

                      2. 申抒含 副教授(中科院自动化所) 报告题目:基于图像的大规模场景三维建模——从几何重建到语义矢量重建

                      3. 郭裕兰 副教授(国防科技大学) 报告题目:三维视觉:从成像到理解

                      4. 黄其兴 副教授(University of Texas at Austin) 报告题目:Geometry Learning under Hybrid 3D Representations

日期 时间 活动 讲者 题目
8月22日上午 9:00 - 9:35 专题论坛 1:
深度学习在计算机图形学中的应用
主持人:郭延文
地点:悦海会议中心B4会议室
张举勇 三维重建的高效计算
9:35 - 10:10 吴鸿智 可微视觉信息采集
10:10 - 10:30 茶歇
10:30 - 11:05 杨鑫 在交互中学习
11:05 - 11:40 论坛讨论
12:00 - 14:00 午餐(地点:综合楼多功能宴会厅)
8月22日下午 14:30 - 15:05 专题论坛 1:
三维几何赋能三维视觉
主持人:徐凯
地点:悦海会议中心B4会议室
周晓巍 基于视觉的3D物体位姿估计与人体运动捕捉
15:05 - 15:40 申抒含 基于图像的大规模场景三维建模——从几何重建到语义矢量重建
15:40 - 16:15 郭裕兰 三维视觉:从成像到理解
16:15 - 16:35 茶歇
16:35 - 17:10 黄其兴 Geometry Learning under Hybrid 3D Representations
11:05 - 11:40 论坛讨论
18:00 - 22:00 午餐(地点:综合楼多功能宴会厅)


专题论坛1: 深度学习在计算机图形学中的应用
主  持  人:郭延文,南京大学
简       介:南京大学教授、博导,江苏省杰出青年科学基金获得者,南京大学计算机科学与技术系、计算机软件新技术国家重点实验室骨干。浙江大学博士、美国伊利诺伊大学香槟分校、香港大学和中文大学访问学者。主要研究方向为计算机图形学和虚拟现实、图像视频处理和计算机视觉,在包括近20篇IEEE Transactions期刊上发表论文80余篇,SCI已检索30篇、相关研究成果被引用超过1000次,单篇引用过百的有4篇,研究成果获授权专利近20项。担任中国图像图形学会理事、江苏省计算机学会图形图像专委会主任和江苏省工程师学会虚拟现实专委会主任,Cyberworlds 2015、ICVRV 2018以及CAD&CG 2019等会议的程序委员会主席,ICCV、CVPR和PG等程序委员。
讲       者:张举勇,中国科学技术大学
报告题目:三维重建问题的高效计算
摘       要:对真实物理世界的三维重建与基于物理模型的实时仿真一直是图形学领域的研究重点。针对三维重建与物理模拟中的刚性注册算法、非刚性注册算法以及带约束的几何优化问题,我们提出了一系列高效数值优化算法,在算法并行化、收敛速度与鲁棒性方面均得到了较大提升。并以此为基础,采用深度学习算法针对某几类特定问题在移动端上达到了实时计算的效果。
简       介:张举勇,中国科学技术大学数学科学学院副教授,博士生导师。2006年于中科大计算机系获得学士学位,2011年于新加坡南洋理工大学计算机工程学院获得博士学位,2011年至2012年于瑞士联邦理工学院洛桑分校从事博士后研究,2012年至今工作于中国科学技术大学数学科学学院。研究兴趣包括计算机图形学、计算机视觉、数值最优化算法。现担任The Visual Computer期刊编委。于2018年获得"几何设计与计算青年学者奖",“安徽省青年数学奖”。
讲       者:吴鸿智,浙江大学
报告题目:可微视觉信息采集 (Differentiable Acquisition of Visual Information)
摘       要:高维视觉信息(例如3维几何和6维反射率分布函数)的采集建模是计算机图形学/视觉的核心问题之一,在文化遗产、电子商务、娱乐以及AR/VR等领域有着广泛的应用。然而由于其维度和复杂度高,视觉信息的高效高质量采集极具挑战性,因此依然是相关领域的热门研究方向。针对这一根本难点,我们结合深度学习的最新研究进展,以信息采集效率和质量为目标,对采集系统的软硬件进行全自动联合优化,获得了较好的初步成果,已发表于图形学顶级会议ACM SIGGRAPH 2018和ACM SIGGRAPH Asia 2019。
简       介:吴鸿智,浙江大学计算机科学与技术学院副教授、博士生导师。2006年毕业于复旦大学计算机科学与工程系获理学学士学位,2012年毕业于美国耶鲁大学计算机科学系获博士学位。主要研究兴趣为数字材质外观的高效采集与建模,和基于人工智能的软硬件联合优化。担任PG、EGSR、CAD/Graphics等多个国际会议的程序委员会委员。
讲       者:杨鑫,大连理工大学
报告题目:在交互中学习
摘       要:交互是计算机图形学的一个重要内容。本报告探讨人工智能系统的学习方式,介绍智能系统在交互中学习的必要性。在与外界环境的交互中进行学习的过程中,从智能算法所需的数据和交互策略两个层面,分别介绍主动式学习算法和强化学习算法在解决以上两个层面问题的典型工作以及课题组在相关方面所做的一些工作。
简       介:杨鑫 大连理工大学副教授,博士生导师,入选中国科协“青年人才托举工程”,国家“香江学者”计划,“星海优青”人才培育计划,辽宁省“百千万人才工程”,大连市创新人才培育计划“青年科技之星”。本科毕业于吉林大学计算机学院,于浙江大学-美国加州大学戴维斯分校计算机学院进行博士生联合培养,获工学博士学位,香港城市大学博士后。2012年,加入大连理工大学计算机学院任教。现任学校学科建设办公室副主任。 主要研究方向为计算机图形学与视觉、智能机器人技术。主持军口863项目、国家自然科学基金重大支持计划培育项目、面上项目等重要国家级项目,获得了国家自然科学基金委员会主办的“2018世界机器人大赛-共融机器人挑战赛”双臂协作机器人组亚军和“2018水下机器人目标抓取大赛”目标定点抓取组银奖,研究成果发表在NIPS、CVPR、ICCV、IJCAI、IEEE Trans. On Multimedia等领域顶级会议和期刊上,获得2018年教育部技术发明二等奖1项,辽宁省自然科学技术成果奖1项,ACM SIGGRAPH VRCAI 2015最佳论文奖1项。担任中国图学学会奖励工作委员会秘书长,中国计算机学会计算机视觉、计算机辅助设计与图形学专委会等7个专委会委员,中国图学学报编委。


专题论坛2: 三维几何赋能三维视觉
主  持  人:徐凯,国防科技大学
简       介:徐凯,国防科技大学副教授。美国普林斯顿大学访问学者。研究方向为计算机图形学、三维视觉、机器人自主三维感知等。发表SIGGRAPH、CVPR、ICCV、AAAI等A类论文三十余篇。担任ACM Transactions on Graphics、Computer Graphics Forum、Computers and Graphics和The Visual Computer等国际期刊的编委。担任CAD/Graphics 2017、ICVRV 2017和GDC 2016等国际国内会议的论文共同主席,以及SIGGRAPH、SIGGRAPH Asia、SGP、PG等国际会议的程序委员。曾获湖南省自然科学一等奖、军队科技进步二等奖、全军优秀博士论文奖、中国工业与应用数学学会“几何设计与计算青年学者奖”、“湖湘青年英才”等奖励。获国家自然科学“优秀青年基金”和湖南省自然科学“杰出青年基金”资助。
讲       者:周晓巍,浙江大学
报告题目:基于视觉的3D物体位姿估计与人体运动捕捉
摘       要:从视觉数据中还原物体与人体的3D位姿及运动是计算机视觉领域的研究热点,在增强现实、智能机器人、无人驾驶、人机交互等方面也有着广泛的应用。本报告将总结近年来的相关成果,介绍本课题组在该方向上的最新工作,并且探讨存在的挑战和发展趋势。
简       介:周晓巍,浙江大学CAD&CG国家重点实验室研究员,国家青年千人计划入选者。2008年本科毕业于浙江大学,2013年博士毕业于香港科技大学。2014年至2017年在美国宾夕法尼亚大学GRASP机器人实验室从事博士后研究。研究方向主要是计算机视觉及其在机器人、增强现实、医学影像分析等领域的应用,目前课题侧重于三维场景重建和语义计算,包括三维物体和人体的检测、识别、姿态估计、运动恢复、在线重建以及匹配等问题,近年来在计算机视觉顶级期刊及会议(T-PAMI、CVPR、ICCV)上发表论文近20篇。策划和组织了Geometry Meets Deep Learning Workshops,并长期担任PAMI、IJCV、TIP等二十余种SCI期刊审稿人以及CVPR、ICCV、IJCAI等计算机领域顶级会程序委员会委员。
讲       者:申抒含,中国科学院自动化研究所
报告题目:基于图像的大规模场景三维建模——从几何重建到语义矢量重建
摘       要:自上世纪70年代计算机视觉成为一门独立的学科以来,在40多年的研究中,图像的三维表达,即从二维图像恢复场景三维结构始终是计算机视觉研究中的一个经典和基础问题。近年来,随着图像采集设备的不断进步,使用数码相机、街景车、无人机等设备可以方便的获取海量高分辨率图像数据,如何通过这些图像数据构建我们身边的三维世界日益成为许多领域的迫切需求。因此,在理论和应用层面,基于图像的三维重建这一经典问题都日益成为计算机视觉研究者的关注热点。本报告将介绍我们在基于图像的大规模场景三维建模方面的系统性研究工作,包括在稀疏重建、稠密重建、语义建模、矢量建模等领域的最新研究进展,以及在文化遗产数字化、智慧城市、高精地图、视觉重定位等多个领域的系统应用。
简       介:申抒含,中国科学院自动化研究所模式识别国家重点实验室副研究员,2010年于上海交通大学自动化系获博士学位。研究领域为三维计算机视觉理论与应用,包括基于图像的大规模场景三维重建、智能机器人三维环境感知、场景三维语义建模等。在IEEE Trans. on Image Processing、ISPRS Journal of Photogrammetry and Remote Sensing、Pattern Recognition、CVPR、ECCV、3DV等国际期刊和会议发表论文50余篇。所开发的图像三维重建算法集成于三维视觉开源系统TheiaSfM、OpenMVG、OpenMVS等。作为课题负责人主持和参与国家自然科学基金、973、863、中科院先导专项、以及各类企业课题十余项。入选中科院青促会会员、中科院自动化所特聘青年骨干,曾获2016年ACM北京新星奖,2018年中国图象图形学会科学技术二等奖。
讲       者:郭裕兰,国防科技大学
报告题目:三维视觉:从成像到理解
摘       要:得益于三维成像技术的快速发展及自动驾驶、机器人、AR/VR以及遥感等领域的强劲应用需求,三维视觉在近年来得到了广泛关注。三维视觉能提供场景中更加丰富的几何、形状和结构信息,从而为实现机器对环境的理解提供了更多可能。本报告将围绕立体视觉任务,介绍研究组在双目成像方面的研究进展,包括双目深度估计和双目图像超分辨。
简       介:郭裕兰, 2015年于国防科学技术大学获工学博士学位,2011年至2014年于澳大利亚西澳大学从事访问研究,2016年至2018年在“博新计划”支持下于中科院计算所开展博士后课题研究。主要研究兴趣包括点云特征学习、三维成像、三维目标检测与识别以及三维场景语义分割等基础理论及应用研究。目前已在IEEE TPAMI、IJCV和CVPR等国际期刊和会议上发表论文70余篇,其中ESI热点论文1篇,ESI高被引论文5篇,论文被引用2000余次,合著英文专著1部。目前担任中国图象图形学学会三维视觉专委会秘书长,IET Computer Vision期刊编委。曾担任CVPR, ICCV和ACM MM等国际会议的程序委员会委员,IEEE TPAMI和IJCV等30余个知名国际期刊的审理人。作为客座编辑在IEEE TPAMI组织专刊一次,在CVPR组织专题讲习班(Tutorial)和研讨会(Workshop)各1次。曾分别获国防科技大学、全军及中国人工智能学会优秀博士学位论文奖。指导研究生获得2016年第十一届中国研究生电子设计竞赛第一名(特等奖)。
讲       者:黄其兴,德克萨斯大学奥斯汀分校
报告题目:Geometry Learning under Hybrid 3D Representations
摘       要:Data representations play a central role in machine learning algorithms. While there are canonical data representations for visual data in the form of images and videos, it becomes less clear what are suitable data representations for 3D geometry. In the literature, people have studied representations such as point clouds, triangular meshes, parametric surfaces, implicit surfaces, and multi-views. However, none of these are ideal for all geometry processing applications. In this talk, I will argue that instead of focusing on a single representation, it is critical to combine multiple representations together as hybrid 3D representations. Specifically, I will show the advantage of hybrid 3D representations in several applications such as relative pose estimation, scene understanding, scene synthesis.
简       介:PI Huang is an assistant professor of Computer Science at the University of Texas at Austin. He obtained his PhD in Computer Science from Stanford University. He was a research assistant professor at Toyota Technological Institute at Chicago before joining UT Austin. Dr. Huang's research spans the fields of computer vision, computer graphics, and machine learning, and publishes extensively in venues such as NeuriPS, ICML, CVPR, ICCV, and etc. He is also interested in statistical data analysis, compressive sensing, low-rank matrix recovery, and large-scale optimization, which provides theoretical foundation for his research. He also received the best paper award at the Symposium on Geometry Processing 2013, the best dataset award at the Symposium on Geometry Processing 2018, and the most cited paper award of Computer-Aided Geometric Design in 2010 and 2011. Dr. Huang was an area chair for CVPR 2019 and ICCV 2019. He will serve as a paper co-chair of Symposium on Geometry Processing 2020.