本期为TechBeat人工智能社区第638期线上Talk。
长按识别二维码，一键预约TALK！
近期，生成式人工智能取得了快速的发展，诞生了诸如GhatGPT，StableDiffusion，Sora等生产力工具，正在成为构建新质生产力的关键要素。其中三维模型是非常普遍和被广泛应用的数字媒体内容，高效的生成高质量的三维模型是学术界和工业界所关注的前沿课题。其中，生成式人工智能的发展为上述课题的研究带来了新的研究思路和研究方法，并形成了系列基于生成式人工智能的三维模型建模方法（3D AIGC）。
在本次报告中，我们将分享3D AIGC的背景，现状与相应的技术挑战，并将探索如何重建和生成高质量的三维模型。包括重建具有复杂拓扑结构和材质的三维模型以及通过线稿几何交互的方法生成高质量的三维模型，并将介绍最新的几何表征技术的发展，包括神经辐射场，高斯泼溅方法和高斯网。
2. 三维标准的内在发展规律有怎样的特点
3. 高斯泼溅和神经辐射场方法论源自于哪里（各自的优势分别是什么，有哪些应用）
Talk·预习资料
▼
论文链接：
https://arxiv.org/abs/2403.11134
论文题目：
Real-time Large-scale Deformation of Gaussian Splatting
项目主页：
http://geometrylearning.com/GaussianMesh/
论文题目：
NU-NeRF: Neural Reconstruction of Nested Transparent Objects with Uncontrolled Capture Environment
项目主页：
http://geometrylearning.com/NU-NeRF/
论文题目：
DreamUDF: Generating Unsigned Distance Fields from A Single Image
项目主页：
http://geometrylearning.com/DreamUDF/
Talk·提问交流
▼
Talk·嘉宾介绍
高林
中国科学院计算技术研究所泛在计算系统研究中心副主任，研究员，博士生导师，中国科学院大学岗位教授。重点围绕三维数字内容的高质量智能生成方法开展研究，发表高水平论文100余篇，在领域内顶刊ACM TOG，IEEE TPAMI和IEEE TVCG上发表论文45篇。其入选国家优青、北京市杰青、英国皇家学会牛顿高级学者，获得亚洲图形学会青年学者奖、CCF技术发明一等奖等奖励。
针对已有变形方法无法实时刻画大尺度非线性变形的问题，提出大尺度变形表示和变形卷积网络等系列工作，为几何变形的深度学习方法搭建了桥梁。相关工作入选ACM TOG期刊封面、ESI高被引论文，获得CCF技术发明一等奖等奖励。针对已有几何生成方法存在几何细节粗糙、纹理模糊和结构简单的问题，提出基于变形表示生成精细几何细节，量化网络生成高频纹理，递归图生成复杂结构的系列工作。相关工作应用于月壤颗粒三维重建，被新华社在内的250余家媒体报道。相关工作获得CCF CAD&CG图形开源数据集奖。针对数字人脸生成方法生成质量差、可控性差的问题，提出一系列使用线稿精确控制人脸图像生成与编辑方法。相关工作入选ACM TOG期刊封面，在线系统单日最高访问量超过4万次，获得CCF CAD&CG图形开源软件奖。
个人主页:
https://www.techbeat.net/grzytrkj?id=42602
长按识别二维码，一键预约TALK！
-The End-
如果你也想成为讲者
▼
关于TechBeat人工智能社区
更多详细介绍>>TechBeat，一个荟聚全球华人AI精英的学习成长社区
