时间:  2024年6月18日  下午2:00-5:20

地点：荔湾研究院202会议室 , 广州大学 (大学城校区) 理科南314#

报告1

报告人：杨家谋（博士生）

指导老师：方美娥

报告题目：AirDOS: Dynamic SLAM Benefits from Articulated Objects

在本次组会上，杨家谋同学汇报了一篇动态SLAM方向论文。AirDOS利用对象级信息在动态环境中实现可靠的运动估计。现有的方法主要集中在从优化中识别和排除动态对象。在本文中，展示了基于特征的视觉SLAM系统也可以通过利用两个观察结果从动态铰接物体的存在中受益：（1）铰接物体的每个刚性部分的3D结构随着时间的推移保持一致;（2） 同一刚性零件上的点遵循相同的运动。特别是，介绍了AirDOS这是一个动态的对象感知系统，它引入了刚性和运动约束来模拟铰接对象。通过联合优化相机姿势、物体运动和物体3D结构，可以纠正相机姿态估计，防止跟踪丢失，并为动态物体和静态场景生成4D时空图。实验表明，该算法提高了视觉SLAM算法在具有挑战性的拥挤城市环境中的鲁棒性。据我们所知，AirDOS 是第一个动态对象感知 SLAM 系统，展示了通过合并动态铰接对象可以改进相机位姿估计。

报告2

报告人：陈希（硕士生）

指导老师：彭伟龙

报告题目：组会汇报

在本次组会上，陈希同学汇报了两篇工作 ，重点介绍了扩散模型背后的数学原理，进行了详细的数学推导，并讨论了2D预训练生成模型在3D生成领域应用的重要性，讲解了两篇相关论文，两篇论文虽然使用的方法有所不同，但都是基于利用现有2D生成模型的强大先验作为指导，以监督3D模型的生成，第一篇文章利用stable diffusion架构，使用SDS LOSS的方式，对SMPL模型的参数进行优化，以得到符合2D先验的3D人体模型，第二篇文章使用了同样的思想，同时，第二篇工作利用现有的图片分析模型，获取图片的文本描述，用于之后的生成工作，并对现有2D生成模型进行了微调，以学习到文本无法描述到的图片视觉信息，最终实现仅输入一张图片，就能重建出完整3D人体模型。

报告 3:

报告人：黄梓熙（硕士生）

指导老师：方美娥

报告题目：关于点对点测地距离信息的压缩

在本次组会上，黄梓熙同学汇报了他研究的相关论文，文章的主要研究方向是如何压缩网格上点与点之间的测地距离信息，同时又能提高测地距离的查询速度。首先，黄梓熙同学介绍了测地线和测地距离在几何处理中的重要性。 接着，他详细阐述了这个压缩方法的详细步骤。首先对给定的网格运用Fiedler向量将网格平衡地分割开来，对于得到的这两个子网格，我们运用同样的方法继续对他们分割，直到字网格足够小到可以近似为一个平面，然后再将网格上的点到分割线的距离用一个低阶的多项式代替，这个时候只需要保存多项式的系数即可替代原来点到分割线的所有距离，这大大节省了空间。实验结果表明，该方法对计算测地距离算法所需要的数据库大小的压缩有着显著的效果，并且算法的查找速度也有所提高。最后，黄梓熙同学总结了这篇文章的研究成果和这篇文章对他研究方向的帮助。 他表示，当在定位三维人脸的特征点的时候需要用到测地线和测地距离来进行三维表面的分析时，就可以利用这种存储方法来建立数据库并加快对测地距离的查询速度。

报告 4:

报告人：喻晓雨（硕士生）

指导老师：杜娇

报告题目：水平集用于医学图像分割

在这次的报告中，喻晓雨首先介绍了水平集的相关背景，通过一个水平集函数进行不断迭代更新得到一个曲线，这个曲线就是我们要得到的轮廓，也就是分割结果，同时介绍两种具有代表性的水平集分割方法：以CV（Chan-Vese提出的）模型为代表的基于区域的水平集分割方法和以距离正则化水平集演化模型（DRLSE）为代表的基于边缘的水平集分割方法。然而现有的水平集需要不断地重新初始化，导致时间复杂度高，同时权重系数设置的不合理导致弱边缘处分割结果不好，于是介绍了一篇有关血液细胞分割的自适应加权优化的水平集（AWOLSE）模型，旨在解决分割重叠细胞图像出现强度不均匀性、噪声和弱边缘的情况，AWOLSE通过将长度和面积项的自适应权重优化使轮廓检测更加精确。同时与标记控制分水岭分割相结合，实现血液细胞重叠区域的分割。实验证明，该方法在DSC和Jaccard客观评价指标上取得很好的结果。此外，各位老师提出了问题和建议，其中方美娥老师也针对目前已有足够数据集的基础上，可以使用深度神经网络代替此方法进行医学图像分割问题。杜娇老师对自适应权重系数怎么计算提出了问题。