三、摘要：

表面重建是将点云(point cloud)数据变成易于表达和操作的表面(mesh)网格数据，是三维模型表达和建模的重要手段。随着深度学习的兴起，基于深度学习的表面重建算法表现出了巨大的潜力。报告首先介绍我们提出的SSRNet表面重建算法，将表面重建问题看做是八叉树节点的标记问题，采用深度网络学习一个隐式的函数表达来完成节点的内外（前后）标记，进而采用Marching Cubes生成表面网格。算法采用局部符号距离特征作为网络输入，采用切平面卷积来替换常用的三维点云特征表达，易于GPU并行实现，具有较高的效率，是首个基于深度学习的可适用于大规模点云数据的表面重建算法。报告随后介绍我们提出的DeepDT表面重建算法，算法采用德劳内四面体来表达点云结构，进而转化为基于四面体节点的对偶图表达，构造节点特征作为图网络的输入。不同于传统的基于graph cuts优化算法，我们通过学习有效的图网络分类器对四面体节点进行分类进而提取潜在表面网格模型。报告最后将SSRNet/DeepDT与传统的泊松表面重建和德劳内四面体表面重建算法进行对比实验分析，探讨了基于深度学习的表面重建算法的未来前景。

四、主讲人简介：

陶文兵，男，博士，现为华中科技大学人工智能与自动化学院教授/博士生导师。以第一作者和通讯作者在 TPAMI, IJCV, TIP, CVPR, NeurIPS, AAAI 等国际权威期刊及计算机学会A类国际会议上发表论文100余篇，授权发明专利30余项。近年来研究工作主要集中在以下几个方面：1）提出ACMH/ACMM/ACMP/PVSNet/Geo-Neus等多视图重建算法在公开数据集上评测取得领先的性能（代码已开源），为工业界广泛采用；2）提出SSRNet/DeepDT等算法采用深度网络解决了大规模点云表面重建问题，并取得与传统几何算法相当的性能（代码已开源）。3）在点云配准领域提出DeTarNet/ SC2-PCR/OIF-PCR等性能SOTA的算法；4）在目标跟踪方面为国际上最早提出孪生网络目标跟踪算法的研究团队之一。

五、邀请人：

付树军 数学学院教授

六、时间：

12月14日（周三）15:00-16:00

七、地点：

八、联系人：

张波，联系方式：15169145036

九、主办：

山东大学数学学院