雷鋒網(wǎng)消息，2017年10月10日，3DV 2017國(guó)際會(huì)議在青島香格里拉酒店正式召開，來自20多個(gè)多家的300多位計(jì)算機(jī)視覺界的研究人員齊聚一堂，開啟了三維視覺研究一年一度的盛會(huì)。

（陳寶權(quán)教授開幕致辭）

開幕式中，山東大學(xué)計(jì)算機(jī)學(xué)院和軟件學(xué)院院長(zhǎng)陳寶權(quán)教授作為大會(huì)主席致辭。據(jù)陳寶權(quán)教授介紹，3DV國(guó)際會(huì)議此前由東京大學(xué)、斯坦福大學(xué)等舉辦，已經(jīng)成為匯集三維視覺研究、原型系統(tǒng)、商業(yè)產(chǎn)品和人力資源等的盛會(huì)。

本屆3DV會(huì)議首次在中國(guó)由山東大學(xué)主辦，北京電影學(xué)院未來影像高精尖創(chuàng)新中心協(xié)辦，共有來自20多個(gè)國(guó)家的300多位計(jì)算機(jī)視覺界的大咖們來此參會(huì)，論文投稿171篇，收錄oral 論文12篇, spotlight 25篇, poster36篇。 

（微軟雷德蒙研究院首席研究員張正友做特邀報(bào)告）

開幕式之后，首先由微軟雷德蒙研究院首席研究員、ACM/IEEE Fellow張正友博士做了第一個(gè)特邀報(bào)告，報(bào)告主題為“三維計(jì)算機(jī)視覺在沉浸式交互和遠(yuǎn)程協(xié)作”。在報(bào)告中張正友博士介紹說，為了使人機(jī)交互以及人與人之間的遠(yuǎn)程協(xié)作更加自然，報(bào)告提出了沉浸式交互。張正友博士介紹了他的團(tuán)隊(duì)最新的研發(fā)成果，ViiBoard，這項(xiàng)技術(shù)集合了識(shí)別身體姿態(tài)、手勢(shì)、面部表情、人體特征的技術(shù)于一身。ViiBoard主要包括ImmerseBoard與VTouch兩個(gè)部分。他們通過Kinect采集信息，隨后通過ImmerseBoard屏幕投影兩位使用者實(shí)時(shí)書寫與繪畫的人像與內(nèi)容。另外，該產(chǎn)品VTouch部分提供了特有的手勢(shì)控制功能，使用戶能夠進(jìn)行人性化的書寫與繪畫，同時(shí)記錄不同的使用者手勢(shì)習(xí)慣。最后，張正友講述了融合三維重建，追蹤人眼方向等技術(shù)的沉浸式交互技術(shù)的持續(xù)研發(fā)現(xiàn)狀以及在三人遠(yuǎn)程協(xié)作技術(shù)中的應(yīng)用。

（謎之微笑）

在下午場(chǎng)，由蘇黎世大學(xué)的Davide Scaramuzza教授分享了基于事件相機(jī)的最新研究，報(bào)告主題為“從基于框架相機(jī)到基于事件相機(jī)，魯棒性更高且能夠進(jìn)行視覺慣性狀態(tài)評(píng)估”。傳統(tǒng)的基于框架的相機(jī)在低光照和快速移動(dòng)的情況下會(huì)嚴(yán)重地失真或模糊。相比來說，基于事件的相機(jī)，由于其輸出為像素級(jí)亮度變化而不是傳統(tǒng)的標(biāo)準(zhǔn)的強(qiáng)度幀，所以在高速運(yùn)動(dòng)場(chǎng)景下仍然能夠提供非?？煽康囊曈X信息。不過基于事件的相機(jī)在低運(yùn)動(dòng)情況下可能僅輸出少量信息。Davide教授在報(bào)告中提出了“hybrid pipeline”的方法，并將該方法應(yīng)用到公開的事件相機(jī)數(shù)據(jù)集中，精度相比只使用事件pipeline提高了130%，相比于標(biāo)準(zhǔn)的框架視覺-慣性系統(tǒng)提高了85%。隨后Davide教授展示了將該研究應(yīng)用到四翼無人機(jī)上，效果非常完美，解鎖了傳統(tǒng)視覺-慣性測(cè)距儀無法達(dá)到的飛行情景，例如低光環(huán)境和高速動(dòng)態(tài)場(chǎng)景。

（口頭報(bào)告之一）

除了兩場(chǎng)精彩的特邀報(bào)告外，四場(chǎng)口頭報(bào)告也非常值得關(guān)注。它們分別為：（內(nèi)容來自：山東大學(xué)交叉研究中心公眾號(hào)「IRC」）

上午場(chǎng)：

1、DepthSynth: Real-Time Realistic Synthetic Data Generation from CAD Modelsfor 2.5D Recognition

作者來自：西門子公司、西門子醫(yī)療、帕騷大學(xué)

作者提出了一個(gè)具有創(chuàng)新性的完全端對(duì)端的框架DepthSynth，模擬這些設(shè)備的工作原理，通過建模一些關(guān)鍵的因素例如傳感器噪聲，材料反射率，表面幾何信息等等，進(jìn)而生成逼真的深度數(shù)據(jù)。

2、Sparsity Invariant CNNs

作者來自：戴姆勒股份公司、弗萊堡大學(xué)和馬克斯·普朗克研究所

對(duì)于傳統(tǒng)的卷積網(wǎng)絡(luò)在應(yīng)用到稀疏數(shù)據(jù)時(shí)表現(xiàn)不佳的問題，研究人員提出了一個(gè)簡(jiǎn)單而有效的稀疏卷積層，它考慮了卷積過程中缺失數(shù)據(jù)的位置，能很好地推廣到新的數(shù)據(jù)集，并且與數(shù)據(jù)稀疏程度保持不變，這無疑是機(jī)器學(xué)習(xí)與計(jì)算機(jī)視覺交叉方向的又一大創(chuàng)新。

下午場(chǎng)：

3、OctNetFusion: Learning Depth Fusion from Data

作者來自：格拉茨技術(shù)大學(xué)、微軟、馬克斯·普朗克研究所

將多個(gè)深度圖進(jìn)行融合，進(jìn)行3D模型重建。常見的方法是基于平均截?cái)嗟膸Х?hào)距離函數(shù)，但是它不能有效地處理遮擋問題，并且需要大量幀來過濾噪聲。隨著3D模型庫(kù)的增大，以及深度學(xué)習(xí)的發(fā)展，本文章提出了一種3DCNN方法將多深度的圖像進(jìn)行融合，重建3D模型，該方法解決了遮擋部位重建等問題，其結(jié)果明顯優(yōu)于TSDF和TV-L1等方法。

4、3D Shape Reconstruction from Sketches via Multi-view Convolutional Networks

作者來自：麻省大學(xué)阿默斯特校區(qū)

本文章提出了一種編碼和解碼的網(wǎng)絡(luò)，結(jié)合優(yōu)化方法，可以根據(jù)2D線圖重建3D形狀。首先將單個(gè)或者多個(gè)2D線圖進(jìn)行編碼得到形狀信息，然后解碼得到多個(gè)視圖下的深度和法線圖，最后結(jié)合優(yōu)化問題將多個(gè)視圖進(jìn)行融合得到3D點(diǎn)云，進(jìn)而得到3D形狀的拓?fù)渚W(wǎng)格。

（短報(bào)告之一）

除此之外，10日當(dāng)天還有4場(chǎng)短報(bào)告、9個(gè)海報(bào)展示以及論壇“The challenges and opportunities in 3D sensing”。

（海報(bào)展示之一）

（論壇嘉賓，暢談了3D感官的挑戰(zhàn)和機(jī)遇）

本屆大會(huì)由百度、光珀智能科技、縱目科技、商湯科技、阿丘科技、華為、銀河水滴科技、圖漾科技、先臨三維科技、清影機(jī)器視覺技術(shù)、地平線、大勢(shì)智慧科技、通甲優(yōu)博等眾多業(yè)界巨頭和創(chuàng)業(yè)新星贊助。在海報(bào)展示的會(huì)場(chǎng)，各贊助商也同時(shí)向參會(huì)人員展示了他們?cè)谟?jì)算機(jī)視覺和圖形學(xué)在三維領(lǐng)域的最新研究成果。

（參展商之一商湯科技在向陳寶權(quán)教授和高文院士介紹其手機(jī)端3D重建特效）

據(jù)雷鋒網(wǎng)了解，此次會(huì)議雖然在中國(guó)本土舉辦，但是參會(huì)人員中有大約一半都是國(guó)外學(xué)者，而投稿及錄取文章則有90%以上來自國(guó)外大學(xué)和研究單位。這一點(diǎn)，想想讓人挺揪心的。

雷鋒網(wǎng)注：本文照片皆為山東大學(xué)新聞組同學(xué)提供，特此感謝！

相關(guān)文章：

三維視覺國(guó)際會(huì)議首度在中國(guó)舉辦，和雷鋒網(wǎng)一起了解3DV 2017

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。