报告题目：可视媒体的结构化分析与合成方法研究

报告人：高林

报告地点：腾讯会议62173671976

报告时间：2021年6月27日15:00-16:00

报告摘要：

深度几何学习成为近期的研究热点并被广泛用于分析和生成各种可视媒体的内容，目前的主要挑战是如何提高可视媒体的生成质量并减少对3D标注数据的依赖。针对这些挑战，我们尝试引入可视媒体的结构化信息，依据可视媒体的内在结构设计了相应的深度生成模型并提出了无监督的三维模型分析方法。具体而言，针对人脸图像我们研发了一种基于人脸结构进行分块编码的深度生成网络，并通过这一网络来对用户的粗糙草稿输入进行翻译，基于计图深度学习平台研发了智能人脸画板系列工作DeepFaceX；针对几何模型，依据人造模型的具有稳健支撑结构特点，我们提出了一种可编码三维模型的支撑结构和精细几何细节的深度生成模型SDM-NET，进一步的，我们探索了对几何细节和复杂结构进行联合层级编码的深度生成网络DSG-NET；此外，我们还研究了如何利用三维模型具有全局结构对称性的特点，对三维模型进行无监督的对称性分析。

讲者简介：

高林，现任中科院计算所博士生导师\副研究员,研究方向为智能计算机图形学、深度几何学习等。他于清华大学毕业，获得工学博士学位（导师：胡事民教授），曾在德国亚琛工业大学进行公派访问研究（合作导师：Leif Kobbelt教授）。在ACM SIGGRAPH\TOG、IEEE TPAMI、IEEE TVCG、CVPR等知名期刊会议上发表论文40余篇。他获得亚洲图形青年学者奖、中国计算机学会科学技术奖技术发明一等奖等奖励，并获得英国皇家学会牛顿高级学者基金资助。