点云，简单来说就是一堆点。由于我们的世界是一个三维世界，那么点云中的每一个点也都是三维点，它在自动驾驶、城市规划、考古文物保护、医学影像、测绘等领域有着广泛的应用。目前，点云比较流行的研究内容主要有点云分类、点云检索、点云分割、点云补全、点云上采样、点云重建等。

在7月已完结的两场讲座中，来自香港中文大学的祝新革博士和慕尼黑工业大学聂隐愚博士后分别对点云分割和点云重建进行了深度解析，而在8月5日晚7点，智东西公开课特邀香港中文大学博士后李贤芝对点云上采样任务进行直播讲解，主题为《基于任务解耦合的点云上采样》。

点云上采样的目标是从稀疏的输入中产生稠密且均一的输出，从而更好地描述物体的几何特性。它对机器人导航、三维重建、视觉测量以及AR/VR等视觉应用十分重要，因为它可以从常规的低成本测量中恢复出高质量、稠密的点云。

目前，主流的点云上采样方法主要是优化方法和深度学习方法，其中优化方法用于局部几何特征并适用于光滑的特征较少目标的点云上采样，但他们却难以保留点云中的多尺度结构，而深度学习方法虽然提高了上采样的性能，但忽略了许多细节信息。

基于上面方法的特点，李贤芝博士等人重新审视该任务，她们利用任务解耦合将上采样这一复杂任务拆解为多个子任务，并设计相对应的子网络来达到更加精细且准确的点云上采样。通过实验发现，该方法在合成数据以及真实数据上都可以达到最佳效果，进而还可辅助高质量的网格模型重建。

在本次讲座中，李贤芝博士首先从点云上采样现有的研究方法入手，详细分析这些方法的优缺点，之后详细解读基于任务解耦合实现精准的点云上采样算法，最后探讨点云上采样这个领域的未来研究方向。

李贤芝是香港中文大学计算机系和香港物流机器人研究中心的博士后研究员，并于2020年7月获得香港中文大学计算机科学与工程专业博士学位。李博的研究兴趣集中在三维视觉、计算机视觉、深度学习和人工智能。目前她已于ACM TOG、ACM SIGGRAPH、IEEE TVCG、CVPR、ICCV、ECCV等顶级会议和期刊上发表论文十余篇，并担任多个国际会议和期刊的审稿人。

课程主题

基于任务解耦合的点云上采样

课程提纲

1、点云上采样的研究方法总览
2、实现精准点云上采样的端到端解耦网络框架
3、点云上采样的未来展望

讲师介绍

李贤芝，香港中文大学计算机系和香港物流机器人研究中心的博士后研究员，于2020年7月获得香港中文大学计算机科学与工程专业博士学位；研究兴趣集中在三维视觉、计算机视觉、深度学习和人工智能；目前已于ACM TOG、ACM SIGGRAPH、IEEE TVCG、CVPR、ICCV、ECCV等顶级会议和期刊上发表论文十余篇，并担任多个国际会议和期刊的审稿人。

直播信息

直播时间：8月5日晚7:00
直播地点：智东西公开课知识店铺