GAMES Webinar 2018 -74期（Siggraph Asia 2018论文报告）| 李淑华（大连理工大学），王鹏帅（微软亚洲研究院）

【GAMES Webinar 2018-74期（Siggraph Asia 2018论文报告）】
报告嘉宾1：李淑华，大连理工大学
报告时间：2018年11月22日 晚8:00-8:45（北京时间）
主持人：陈中贵，厦门大学（个人主页：http://graphics.xmu.edu.cn/~zgchen）
报告题目：Construction and Fabrication of Reversible Shape Transforms
报告摘要：
We study a new and elegant instance of geometric dissection of 2D shapes: reversible hinged dissection, which corresponds to a dual transform between two shapes where one of them can be dissected in its interior and then inverted inside-out, with hinges on the shape boundary, to reproduce the other shape, and vice versa. We call such a transform reversible inside-out transform or RIOT. Since it is rare for two shapes to possess even a rough RIOT, let alone an exact one, we develop both a RIOT construction algorithm and a quick filtering mechanism to pick, from a shape collection, potential shape pairs that are likely to possess the transform. Our construction algorithm is fully automatic. It computes an approximate RIOT between two given input 2D shapes, whose boundaries can undergo slight deformations, while the filtering scheme picks good inputs for the construction. Furthermore, we add properly designed hinges and connectors to the shape pieces and fabricate them using a 3D printer so that they can be played as an assembly puzzle. With many interesting and fun RIOT pairs constructed from shapes found online, we demonstrate that our method significantly expands the range of shapes to be considered for RIOT, a seemingly impossible shape transform, and offers a practical way to construct and physically realize these transforms.
讲者简介：
李淑华，大连理工大学数学科学学院计算数学系博士研究生，导师是刘秀平教授。
2015年9月至2017年9月，通过国家公派留学联合培养博士生项目，访问加拿大西蒙弗雷泽大学(Simon Fraser University)计算机系GrUVi实验室，导师是张皓(Richard Zhang)教授。在此之前，于2012年在大连理工大学数学科学学院获得理学学士学位。研究方向为计算机图形学，特别是计算设计（computational design），制造（fabrication）和形状分析（shape analysis）。
讲者个人主页：https://sue142857.github.io/shuhuali.github.io/

报告嘉宾2：王鹏帅，微软亚洲研究院
报告时间：2018年11月22日 晚8:45-9:30（北京时间）
主持人：陈中贵，厦门大学（个人主页：http://graphics.xmu.edu.cn/~zgchen）
报告题目：Adaptive O-CNN: 基于自适应面片的用于深度学习的三维形状表达
报告摘要：
我们提出了一种基于面片的自适应八叉树卷积神经网络（Adaptive O-CNN)。基于体积或基于八叉树的CNN把三维形状表示为具有相同分辨率的体素的组合，而我们的方法将三维形状表示为自适应的多分辨率面片的组合，并用八叉树将这些面片高效地组织起来。基于这种表达，我们提出了一种新的卷积神经网络，用于三维形状的编码和解码。我们的算法不仅降低了现有算法的存储和计算成本，而且比现方法有更好的形状生成能力。我们在不同形状分析和生成任务中验证了Adaptive O-CNN的优越性。
讲者简介：
王鹏帅，2018年7月于清华大学高等研究院获工学博士学位，随后加入微软亚洲研究院。研究方向为计算机图形学、基于数据驱动的三维几何数据的处理与分析。目前以第一作者身份在SIGGRAPH与SIGGRAPH ASIA上发表论文4篇。曾多次获得清华大学奖学金、博士研究生国家奖学金，并于2018年获得北京市优秀博士毕业生。
讲者个人主页：https://wang-ps.github.io

GAMES主页的“使用教程”中有 “如何观看GAMES Webinar直播？”及“如何加入GAMES微信群？”的信息；
GAMES主页的“资源分享”有往届的直播讲座的视频及PPT等。

观看直播的链接：http://webinar.games-cn.org