开幕式回顾 | 山东大学第五届“可视计算”暑期学校

2019-07-18 18:59:12.0

今天的专家讲座由汪云海老师主持。暑期学校的第一场报告由来自耶路撒冷希伯来大学的Dani Lischinski教授开启,报告题为A Brief Introduction to Deep Learning。在过去的7年里,深度学习已经彻底改变了许多领域,包括计算机视觉和计算机图形学。在本场报告中,Dani教授介绍和概述了卷积神经网络(CNNs)以及生成对抗网络(GANs),它们对各种生成任务都非常有效。Dani教授用丰富的图像和例子深入浅出地讲解了深度学习的应用背景、其中的诸多概念和方法。同学们针对卷积神经网络算法提出了自己的不解和困惑,Dani教授一一做出了解答。

在报告之间的休息时间里,中心为大家提供了水果和甜品,同学们在品尝甜品时也能浏览中心的成果展板。同时机械臂展台前也聚集了很多同学驻足观看。

来自北京电影学院的Kfir Aberman研究员为大家带来了题为Deep Video-Based Performance Cloning和Learning Character-Agnostic Motion for Motion Retargeting in 2D的报告。在计算机动画中特别重要的一种应用是将动作从一个表演者重新定向到另一个表演者。当人类在三维空间中运动时,绝大多数的人类运动都是通过视频来捕捉的,需要2D-to-3D的姿态和相机恢复,然后才能应用现有的重定向方法。针对此,Kfir提出了一种新的方法,通过训练一个深度神经网络,将二维姿态的时间序列分解为三个部分:运动、骨架和相机视角。这样不需要明确重建3D姿势或相机参数,就可以重新定位不同人类表演者之间的视频捕捉运动。同时Kfir还介绍了无关角色的2D运动重定向,证明了深度网络可以为不严格要求完全三维重建的子任务提供更好的解决方案。

接下来,华盛顿大学博士后研究员,刚刚从交叉研究中心博士毕业的赵海森学长为大家带来了题为“从增材到减材——科研经历漫谈”的报告。海森学长简单介绍了自己在攻读博士期间的若干研究项目和成果,通过这些经历向同学们分享了在科研过程中自己的经验。他用一条心情曲线概括了自己科研道路上的心情,有过喜悦,也有过艰辛。对科研的专一和不断的心态调整推动他克服困难,走向一个个阶段性的成功。赵海森总结了自己的一套研究技巧,通过自问自答分享了自己对科研的种种体会。提高能力,摆脱困扰;增加经验,减去负担,相信赵海森的经验分享将会为大家今后的科研生活带来帮助。


今天下午的第一场报告是由清华大学的刘华平老师进行,报告主题为“机器人灵巧操作的多模态感知技术”。刘老师从多模态感知、深度强化学习基本原理、多模态主动感知技术三个方面分别展开,主要介绍了多模态主动环境感知的深度强化学习方法并应用于机器人领域。同时针对深度学习与强化学习方面一些较为经典的解决思路进行了介绍,激发了同学们的思考。

刘老师还向大家展示了一些应用于视觉、听觉、触觉多模态融合的感知操作,例如:利用听觉与触觉反馈实现钢琴演奏、利用听觉与视觉反馈实现液位检测等,激发了大家的兴趣。 

来自本·古里安大学的Andrei Sharf教授为大家带来了题为“A Non-linear Differential CNN-Rendering Module for 3D Data”的报告,介绍了一个可以通过神经网络有效处理杂乱数据的渲染模块。通过优化可以使神经元学会专注于数据的重要部分,去除杂乱和噪声。引起众人的思考。

来自本·古里安大学的Andrei Sharf教授为大家带来了题为“A Non-linear Differential CNN-Rendering Module for 3D Data”的报告,介绍了一个可以通过神经网络有效处理杂乱数据的渲染模块。通过优化可以使神经元学会专注于数据的重要部分,去除杂乱和噪声。引起众人的思考。


文 / 张全杰    孙玉璐

编 / 杜鑫鑫

图 / 程鲁豫