本期为TechBeat人工智能社区第648期线上Talk。
北京时间12月12日(周四)20:00，北京大学博士生魏松林的Talk将准时在TechBeat人工智能社区开播！他与大家分享的主题是: “基于扩散模型的双目视觉深度估计与恢复”，届时他将分享实验室的最新双目深度估计工作：D3RoMa —— 一种使用大规模预训练过的扩散模型。相关工作已入选CoLR 2024。 长按识别二维码，一键预约TALK！
目前主流机器人操作模型都非常依赖深度相机，然而深度相机通常无法处理透明和反射性物体；无论是ToF或者是双目深度相机在原理上都是无法处理这类情形，这给现有依赖3D视觉感知的机器人操作带来了挑战。本次Talk将分享我们实验室的最新双目深度估计工作：D3RoMa，使用大规模预训练过的扩散模型;可以鲁棒地估计和修复在场景中的这类物体的深度；实验表明我们在多项开源数据集上都是SOTA。
1. 主题介绍：基于扩散模型的双目立体视觉深度估计与恢复2. 预备知识：常见深度相机原理、Stereo-Matching算法介绍、扩散模型介绍
3. 深度感知的挑战：匹配失败、透明物体、光线反射
4. 相关工作与小结：现有工作的缺陷以及我们方法的创新点
5. 本文的方法介绍：条件扩散模型与几何梯度的结合
6. 实验结果展示与分析：in-the-wild实验结果、与SoTA双目算法对比
7. 总结与体会：未来工作的展望以及我们工作中的几点心得
Talk·预习资料
▼
![]()
论文链接：
https://arxiv.org/abs/2409.14365
在Talk界面下的【交流区】参与互动！留下你的打call🤟和问题🙋，和更多小伙伴们共同讨论，被讲者直接翻牌解答！![]()
你的每一次贡献，我们都会给予你相应的i豆积分，还会有惊喜奖励哦！![]()
魏松林，北京大学计算机学院的博士生，指导老师是王鹤教授。本科毕业于厦门大学软件工程专业。多年来，魏松林的职业生涯经历了各种转变。曾开发过大型社交媒体网站，制造过机器人，还创办过公司。 他的研究兴趣包括 3D 计算机视觉、机器人学习和具身人工智能。我目前正在研究机器人的视觉-语言-动作模型。个人主页:
https://www.techbeat.net/grzytrkj?id=14878
![]()
如果你也想成为讲者
▼
单人Talk | 团队专场 | 录播or直播 | 闭门交流
![]()
TechBeat(www.techbeat.net)隶属于将门创投，是一个荟聚全球华人AI精英的成长社区。我们希望为AI人才打造更专业的服务和体验，加速并陪伴其学习成长。期待这里可以成为你学习AI前沿知识的高地，分享自己最新工作的沃土，在AI进阶之路上的升级打怪的根据地！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
