GAMES Webinar 2024 – 338期(智能几何处理与生成) | 杨海韬(University of Texas at Austin)，逄博(北京大学计算机学院)

by 木折_Oreki · 2024年9月2日

【GAMES Webinar 2024-338期】(几何专题-智能几何处理与生成)

报告嘉宾：杨海韬(University of Texas at Austin)

报告时间：2024年9月5号星期四晚上8:00-8:45（北京时间）

报告题目：Synthesis by Analysis: A Geometric Perspective to 3D Generation

报告摘要：

Recent years have witnessed significant advances in deep generative models. The standard underlying principle of these models is distribution alignment from a probabilistic perspective, which aims to align the training data distribution with the distribution of the generated results. While this paradigm has proven quite successful for images, its application in 3D generation remains challenging and is not yet fully resolved. A major issue is that existing generative models struggle to fully comprehend the 3D world. This often leads to problems, such as failing to preserve geometric properties, which results in synthesized shapes with various distortions. In this talk, I will discuss recent work aimed at establishing a novel geometric framework for learning shape generators. The key idea is to incorporate geometric priors of 3D shapes as suitable regularization losses by developing computational tools in differential geometry. We will primarily focus on deformable shape generation and its applications.

讲者简介：

杨海韬目前是得克萨斯大学奥斯汀分校计算机科学系的博士生，导师是黄其兴教授。他本科毕业于清华大学。他目前的研究方向是三维视觉、计算机图形学和机器学习。

讲者主页：https://yanghtr.github.io/

报告嘉宾：逄博(北京大学计算机学院)

报告时间：2024年9月5号星期四晚上8:45-9:30（北京时间）

报告题目：基于图神经网络的点云拉普拉斯算子

报告摘要：

对三维几何的高效处理与计算是当代计算机图形学的重要研究方向之一。几何处理中的核心算子之一是拉普拉斯算子，其在物理仿真、几何计算等下游应用中具有重要地位。拉普拉斯算子起初定义在流形上，因此在三角网格和多边形网格等具有拓扑结构的三维表示方式中可以较为自然地推广。但对于点云这样的缺乏拓扑信息的无序结构而言，构建拉普拉斯算子及进行后续运算是非常困难的，对此，此前的工作普遍利用局部三角化或重建技术将点云首先重建为三角网格。

本报告将简要介绍利用图神经网络在三维几何上进行深度学习的背景，然后，我们将探究如何另辟蹊径，利用“鸭子法则”（If it looks like a duck, swims like a duck, quacks like a duck, then it probably is a duck），在不构建三角化或重建网格的情况下，通过观察拉普拉斯算子的性质，利用图神经网络估计点云上的拉普拉斯算子。具体来说，我们通过构建一个个“探测器”，不断“探测”目标拉普拉斯算子的性质，从而训练出一个具有泛化性的，用于预测点云上拉普拉斯算子的图神经网络。

讲者简介：

逄博现为北京大学计算机学院博士生，此前他于浙江大学获工学学士学位。他的主要研究方向包括几何处理、神经表示、人机交互等。他在 SIGGRAPH (Asia) 和 ACM TOG 发表了多篇论文，曾获浙江大学优秀毕业生、北京大学计算机学院奖学金等多项荣誉。

讲者主页：https://github.com/skinboC/

主持人简介：

王鹏帅现任北京大学助理教授，于2013年和2018年分别于清华大学获得本科学位和博士学位。研究方向为计算机图形学、几何处理和三维深度学习。在学术会议SIGGRAPH（ASIA）、CVPR等上发表多篇论文，其中基于八叉树的的三维稀疏卷积的论文在2017年至2022年所有发表在SIGGRAPH (Asia) 和 ACM TOG的论文中引用量排名前5。王鹏帅博士担任著名图形学期刊Computers & Graphics的副主编、著名图形学国际会议（如SIGGRAPH Asia 2024、Eurographics 2024、CVM 2023/2024等）的会议程序委员。王鹏帅博士于2022年至2024年连续三年获得AMiner评选的AI 2000 最有影响力的学者称号，并于2023年获得亚洲图形学学会 (Asiagraphics) 青年学者奖。