国科大本科生以第一作者身份发表AAAI论文,用神经网络分析三维模型

简介: 江山代有才人出,此前新智元报道过22岁复旦学生赢得世界深度学习竞赛冠军,日前,中国科学院大学计算机与控制学院首届本科生谈清扬同学,以第一作者身份撰写的论文被 AAAI 2018接受。本科生以一作身份在国际顶会发表论文十分难得。

日前,中国科学院大学计算机与控制学院首届本科生谈清扬同学,以第一作者身份撰写的论文《Mesh-based Autoencoders for Localized Deformation Component Analysis》,被计算机科学领域人工智能顶级会议AAAI录用,并将于2018年2月2日赴美作大会宣讲。

该研究成果是谈清扬同学在中国科学院大学博士生导师、中国科学院计算技术研究所夏时洪研究员领导的人体运动仿真课题组完成的。这是中国科学院大学首批本科生以第一作者身份在顶级国际学术会议发表论文,即便在美国麻省理工学院、普林斯顿大学等国际一流高校本科生中也属相当难得。

2946e269400e4cbafef895dba6b39f6b1c5988b5

谈清扬同学参与了2016年度中国科学院大学生创新实践训练计划项目——基于RGBD相机的人体运动捕获,深入研究了其中的三维模型序列分析,具体由夏时洪研究员和高林副研究员指导完成。

三维模型序列分析在三维模型重建与建模中起到关键的作用,而传统的机器学习方法无法智能地对三维模型库进行合理的分析。该研究工作使用一种新的神经网络结构来对三维网格进行卷积操作,基于课题组前期研究的大尺度形变表示方法,通过在自编码器的网络节点上引入稀疏性约束来得到合理的局部的形变分量,从而可以帮助用户更加精确的编辑模型和根据外部约束进行重建

5c0d68387726e660ae8b100ab0dd1ef335cbed0c

中国科学院大学计算机与控制学院首届本科生谈清扬同学

同时,谈清扬同学还完成了另一篇第一作者论文,“Variational Autoencoders for Deforming 3D Mesh Models“,目前正在审稿中。此前,谈清扬作为国科大首批访学麻省理工学院本科生,共选修4门专业课,成绩均为A,平均绩点达到5.0(麻省理工学院的GPA为5分制)。2014年,谈清扬从江苏南京师范大学附属中学考入国科大。

AAAI是人工智能领域的顶级国际会议(CCF A类会议),每年吸引世界各国数千名学者共同探讨人工智能发展前沿。AAAI 2018将于2月2日-7日在美国新奥尔良(New Orleans, Louisiana, USA)召开。本届会议论文录取率低于25%。

下面简单介绍论文及实验结果。

论文:用基于网格的自编码器进行局部形变组件分析

26f677d0369fd6b41d3430c54181ca686ae9fc2c

摘要

空间局部变形组件对于3D几何处理中的形状分析和合成非常有用。最近研究人员已经提出了好几种方法,旨在提取直观、可解释的变形部件。然而,这些技术存在重大局限(fundamental limitation),特别是对于具有噪声或大规模变形的网格而言,而且这些方法有可能识别不出重要的变形分量。

在本文中,我们提出了一种全新的基于网格的自编码器架构,能够处理具有不规则拓扑的网格。我们在这个框架中引入了稀疏正则化,和卷积运算一起帮助定位变形。我们的框架能够从具有大规模变形的网格数据集中提取局部变形分量,并且对噪声具有鲁棒性。使用提取出的基础,这个框架还提供了一个非线性的方法来重建网格,比当前的线性组合方法更加有效。大量的实验表明,我们的方法在定性和定量评估方面均优于最先进的方法。

974f19853a207545da969f6d9139ad0d56cf139a

上图展示了使用模型生成不可见数据(unseen data)的错误率,使用的数据集是(a) SCAPE(Anguelov et al.2005)和(b) (c) Swing(Vlasic et al.2008)。从上图可见,论文提出的模型(较为深的蓝线)在数据集和指标方面均优于其他方法。

下面这张图展示了使用有限控制点重建SCAPE(Anguelov et al. 2005)和Swing(Vlasic et al. 2008)数据集中不可见数据的泛化误差。同样,较深的蓝色代表论文提出的方法,误差相对其他是最低的。

172860833022a6971c1fc46d51ec9624dbe89556


在下面的对比中,上面一行是通过物理模拟创建的一个旗帜数据集的关键帧。下行是两种方法提取前四个变形分量的结果对比,左边是论文提出的方法。

通过结合这四个组件(权重相同),得出合成结果(下排蓝色的图像),作者展示了使用他们的方法得出的结果更加合理(与上排最右边的结果相比)。

44901532d7adfc9a7c82897085d9893ba7ebef04

原文发布时间为:2017-11-11

本文作者:闻菲

本文来自云栖社区合作伙伴新智元,了解相关信息可以关注“AI_era”微信公众号

原文链接:国科大本科生以第一作者身份发表AAAI论文,用神经网络分析三维模型

相关文章
|
3天前
|
运维 监控 安全
如何高效进行网络质量劣化分析与流量回溯分析?-AnaTraf
在数字化时代,网络质量分析与流量回溯对保障业务运行至关重要。网络拥塞、丢包等问题可能导致业务中断、安全隐患及成本上升。传统工具常缺乏细粒度数据,难以溯源问题。流量回溯分析可还原现场,助力精准排障。AnaTraf网络流量分析仪作为专业工具,能高效定位问题,提升团队响应力,降低运营风险。
如何高效进行网络质量劣化分析与流量回溯分析?-AnaTraf
|
23小时前
|
大数据
“你朋友圈的真面目,大数据都知道!”——用社交网络分析看透人情世故
“你朋友圈的真面目,大数据都知道!”——用社交网络分析看透人情世故
34 16
|
2月前
|
SQL 缓存 Cloud Native
NSDI'24 | 阿里云飞天洛神云网络论文解读——《Poseidon》揭秘新型超高性能云网络控制器
NSDI'24 | 阿里云飞天洛神云网络论文解读——《Poseidon》揭秘新型超高性能云网络控制器
140 63
|
2月前
|
存储 人工智能 编解码
Deepseek 3FS解读与源码分析(2):网络通信模块分析
2025年2月28日,DeepSeek 正式开源其颠覆性文件系统Fire-Flyer 3FS(以下简称3FS),重新定义了分布式存储的性能边界。本文基于DeepSeek发表的技术报告与开源代码,深度解析 3FS 网络通信模块的核心设计及其对AI基础设施的革新意义。
Deepseek 3FS解读与源码分析(2):网络通信模块分析
|
4月前
|
SQL Cloud Native API
NSDI'24 | 阿里云飞天洛神云网络论文解读——《Poseidon》揭秘新型超高性能云网络控制器
NSDI‘24于4月16-18日在美国加州圣塔克拉拉市举办,汇聚全球网络系统领域的专家。阿里云飞天洛神云网络的两篇论文入选,标志着其创新能力获广泛认可。其中,《Poseidon: A Consolidated Virtual Network Controller that Manages Millions of Tenants via Config Tree》介绍了波塞冬平台,该平台通过统一控制器架构、高性能配置计算引擎等技术,实现了对超大规模租户和设备的高效管理,显著提升了云网络性能与弹性。实验结果显示,波塞冬在启用EIP时的完成时间比Top 5厂商分别快1.8至55倍和2.6至4.8倍。
685 146
|
6月前
|
人工智能 边缘计算 物联网
蜂窝网络未来发展趋势的分析
蜂窝网络未来发展趋势的分析
210 2
|
6月前
|
数据采集 缓存 定位技术
网络延迟对Python爬虫速度的影响分析
网络延迟对Python爬虫速度的影响分析
|
2月前
|
前端开发 Java 关系型数据库
基于ssm的网络直播带货管理系统,附源码+数据库+论文
该项目为网络直播带货网站,包含管理员和用户两个角色。管理员可进行主页、个人中心、用户管理、商品分类与信息管理、系统及订单管理;用户可浏览主页、管理个人中心、收藏和订单。系统基于Java开发,采用B/S架构,前端使用Vue、JSP等技术,后端为SSM框架,数据库为MySQL。项目运行环境为Windows,支持JDK8、Tomcat8.5。提供演示视频和详细文档截图。
67 10
|
2月前
|
canal 编解码 运维
SIGCOMM 2024 | 洛神云网络学术活动与论文分享
SIGCOMM 2024 | 洛神云网络学术活动与论文分享
|
3月前
|
SQL 缓存 Cloud Native
NSDI'24 | 云网络论文解读——《Poseidon》揭秘新型超高性能云网络控制器
NSDI'24 | 云网络论文解读——《Poseidon》揭秘新型超高性能云网络控制器

新智元

+ 订阅

热门文章

最新文章