由于點云天然的稀疏性和非規則性，因此如何對原始點云進行處理，并產生稠密、完整、均勻的高質量點云數據這一任務吸引了眾多研究人員的目光。針對點云的稀疏性問題，8月5日，智東西公開課邀請到港中文博士后李賢芝，以《基于任務解耦合的點云上采樣》為主題，為大家講解了生成“更稠密”點云的上采樣方法。

當然，高質量的點云生成不只有點云上采樣這一種方法。點云補全也可用來生成高質量的點云。

目前，大多數的點云補全方法很大程度上依賴成對的殘缺-完整點云并以全監督方式進行學習。盡管它們在域內數據上取得了很好的表現，但泛化到其他形式的殘缺點云或現實世界的殘缺掃描時，由于域的差距，往往無法獲得令人滿意的結果。

在CVPR 2021中，南洋理工大學的李俊哲博士等人提出了一種基于GAN逆映射的無監督點云補全網絡ShapeInversion。

ShapeInversion使用一個在完整點云上預訓練的GAN來搜索一個潛碼，該潛碼通過預訓練的GAN生成一個完整點云，該方法能最好地重建給定的殘缺輸入。同時通過這種方式，ShapeInversion不再需要成對的訓練數據，它可以從訓練好的生成模型中捕獲豐富的先驗知識。

在ShapeNet基準上，ShapeInversion的性能優于SOTA無監督方法。與此同時，ShapeInversion還展現顯著的泛化能力，對現實世界的掃描和各種形式的殘缺輸入以及不完整程度都能給出了魯棒的結果。想了解ShapeInversion更多內容的朋友，不要錯過本周三的直播呦。

8月25日晚7點，智東西公開課特邀南洋理工大學在讀博士張俊哲參與「學術新青年講座」CVPR 2021特別企劃第10講的直播講解，主題為《基于GAN逆映射的無監督點云補全》。

在本次講座中，張博將從點云補全的研究入手，分析全監督點云補全的泛化性問題，詳細講解他的CVPR 2021研究成果：基于GAN逆映射的無監督點云補全網絡ShapeInversion，并探討在在不同殘缺程度點云上的應用。

張俊哲是新加坡南洋理工大學S-Lab 和MMLab的博士生，師從呂健勤副教授和 Chai Kiat Yeo 副教授。他的研究領域包括多相機關聯與融合、異常檢測和深度學習框架，當前主要研究興趣包括三維重建和生成、點云補全等，在CVPR、ECCV計算機視覺頂級會議上發表多篇論文。

課程主題

基于GAN逆映射的無監督點云補全

課程提綱

1、點云補全的研究
2、全監督點云補全的泛化性問題
3、基于GAN逆映射的無監督點云補全網絡ShapeInversion
4、在不同殘缺程度點云上的應用

講師介紹

張俊哲，新加坡南洋理工大學S-Lab 和MMLab@NTU的博士生，師從呂健勤副教授和 Chai Kiat Yeo 副教授；研究領域包括多相機關聯與融合、異常檢測和深度學習框架，當前主要研究興趣包括三維重建和生成、點云補全等；在CVPR、ECCV計算機視覺頂級會議上發表多篇論文。

直播時間

直播時間：9月3日晚7：00
直播地點：智東西公開課知識店鋪