报告题目：基于深度学习的三维形状检索
报告人：刘玉身，清华大学
时间：2018年11月28日14:30-16:00
地点：管理科研楼1218
摘要：随着3D建模技术的进步和互联网的普及，三维模型的数据规模正在迅速增加，如何能对三维模型进行高效准确的检索已成为3D领域的热点问题。检索的基础是要能对三维模型进行有效的表征，传统的机器学习方法使用人工定义的形状描述子来表征三维模型，但这些特征对于种类繁多、形状各异的大规模三维模型库并不鲁棒，无法提取出模型的共性和本质特征。基于这些问题，本报告将首先介绍基于深度学习的三维模型特征表示，其中根据三维模型的表示形式不同（体素、点云、视图等）采用的方法也不尽相同；然后介绍如何基于这些表示来实现模型-模型的检索；考虑到具体场景下检索方式多样性的需求，最后将介绍混合数据源的跨模态检索，即给定一个三维模型的文本描述检索对应的三维模型。
报告人简介：刘玉身，博士，清华大学软件学院副教授，博士生导师。主要研究方向包括：三维模型深度学习、跨模态检索、数字几何处理、模式识别、机器学习、建筑信息模型(BIM)、语义检索。作为负责人主持3项国家自然科学基金，主持1项（在研）国家重点研发计划课题“城镇空间信息协同管理及综合服务平台”(2018YFB0505403)，参与了“十二五”国家科技支撑计划等多项国家课题。参与国家标准《面向工程领域的共享信息模型》（3项）、北京市标准（1项）、中国铁路BIM联盟等多项工程领域信息模型的标准制定。作为第一作者或通讯作者，发表SCI论文20余篇，其中JCR Q1分区10余篇，CCF A类论文7篇。受邀担任多个国际期刊专刊的编委和Guest Editor，2016年获得SCI期刊《Advanced Engineering Informatics》(CCF B类)高被引研究奖(Highly Cited Research Award)、第16届土木与建筑工程计算国际会议(ICCCBE2016)最佳学生报告奖(Best Student Presentation Award)等奖励，CAD/Graphics 2005最佳学生论文奖、2006年清华大学校级优秀博士学位论文等。