由于点云天然的稀疏性和非规则性，因此如何对原始点云进行处理，并产生稠密、完整、均匀的高质量点云数据这一任务吸引了众多研究人员的目光。针对点云的稀疏性问题，8月5日，智东西公开课邀请到港中文博士后李贤芝，以《基于任务解耦合的点云上采样》为主题，为大家讲解了生成“更稠密”点云的上采样方法。

当然，高质量的点云生成不只有点云上采样这一种方法。点云补全也可用来生成高质量的点云。

目前，大多数的点云补全方法很大程度上依赖成对的残缺-完整点云并以全监督方式进行学习。尽管它们在域内数据上取得了很好的表现，但泛化到其他形式的残缺点云或现实世界的残缺扫描时，由于域的差距，往往无法获得令人满意的结果。

在CVPR 2021中，南洋理工大学的李俊哲博士等人提出了一种基于GAN逆映射的无监督点云补全网络ShapeInversion。

ShapeInversion使用一个在完整点云上预训练的GAN来搜索一个潜码，该潜码通过预训练的GAN生成一个完整点云，该方法能最好地重建给定的残缺输入。同时通过这种方式，ShapeInversion不再需要成对的训练数据，它可以从训练好的生成模型中捕获丰富的先验知识。

在ShapeNet基准上，ShapeInversion的性能优于SOTA无监督方法。与此同时，ShapeInversion还展现显著的泛化能力，对现实世界的扫描和各种形式的残缺输入以及不完整程度都能给出了鲁棒的结果。想了解ShapeInversion更多内容的朋友，不要错过本周三的直播呦。

8月25日晚7点，智东西公开课特邀南洋理工大学在读博士张俊哲参与「学术新青年讲座」CVPR 2021特别企划第10讲的直播讲解，主题为《基于GAN逆映射的无监督点云补全》。

在本次讲座中，张博将从点云补全的研究入手，分析全监督点云补全的泛化性问题，详细讲解他的CVPR 2021研究成果：基于GAN逆映射的无监督点云补全网络ShapeInversion，并探讨在在不同残缺程度点云上的应用。

张俊哲是新加坡南洋理工大学S-Lab 和MMLab的博士生，师从吕健勤副教授和 Chai Kiat Yeo 副教授。他的研究领域包括多相机关联与融合、异常检测和深度学习框架，当前主要研究兴趣包括三维重建和生成、点云补全等，在CVPR、ECCV计算机视觉顶级会议上发表多篇论文。

课程主题

基于GAN逆映射的无监督点云补全

课程提纲

1、点云补全的研究
2、全监督点云补全的泛化性问题
3、基于GAN逆映射的无监督点云补全网络ShapeInversion
4、在不同残缺程度点云上的应用

讲师介绍

张俊哲，新加坡南洋理工大学S-Lab 和MMLab@NTU的博士生，师从吕健勤副教授和 Chai Kiat Yeo 副教授；研究领域包括多相机关联与融合、异常检测和深度学习框架，当前主要研究兴趣包括三维重建和生成、点云补全等；在CVPR、ECCV计算机视觉顶级会议上发表多篇论文。

直播时间

直播时间：9月3日晚7：00
直播地点：智东西公开课知识店铺