SSIST 2016 参会总结--day1

ShanghaiTech Symposium on Information Science and Technology (SSIST) 2016 由上海科技大学承办,时间2016年6月23号到25日。主要有三大话题;Robotics, Virtual Reality, and Computing Theory and Systems 。在今年4月份武汉举办的VALSE 2016会议上,上海科技大学的虞晶怡教授对SSIST 2016做过宣传,他是SSIST 2016的主要组织者之一。大会现场的PPT:
SSIST 2016 参会总结--day1_第1张图片
这次会议的逼格还是挺高的,很多传说中的大牛都有报告。先看几个重磅特邀讲者:
SSIST 2016 参会总结--day1_第2张图片
另外还有很多国内外的大牛讲者,具体见官网讲者名单。
第一天的会议日程如下:
SSIST 2016 参会总结--day1_第3张图片
SSIST 2016 参会总结--day1_第4张图片
Session1主要关注计算机系统,几位讲者讲的非常精彩,不过不是我感兴趣的领域,所以听不大懂。简单介绍两位吧。
中科院计算所的Yungang Bao 教授做了关于软件定义网络结构的报告:
SSIST 2016 参会总结--day1_第5张图片
data center价格贵,但是利用率低,sharing可以提高利用率,下面是Google的方案:
SSIST 2016 参会总结--day1_第6张图片
但是sharing也会带来干扰问题
SSIST 2016 参会总结--day1_第7张图片
后面就是解决这些问题的,不太能听懂,就不贴图了。
Virginia 大学的David Evans教授做了Introduction to Secure Multi-Party Computation in Practice主题报告,用Alice和Bob作为例子生动描述:
SSIST 2016 参会总结--day1_第8张图片
然后具体讲了其方法,不明觉厉:
SSIST 2016 参会总结--day1_第9张图片
Session2关注的是基于图像的三维重建。两位讲者Yasuyuki Matsushita(Osaka U.)和Yasutaka Furukawa(WUSTL)连续做了两个小时的3D重建相关的原理、应用展示等,非常受用。Yasutaka Furukawa对3D重建从过去到现在的发展情况做了非常详细、生动的说明,PPT中大量的视频、实验结果等展示非常直观,因此在此主要对Yasutaka Furukawa的演讲内容做一下介绍。下面开启放图模式:
SSIST 2016 参会总结--day1_第10张图片
下图是基于图像的3D重建的发展历程,讲者后续一一进行了详细介绍。
SSIST 2016 参会总结--day1_第11张图片
首先介绍了基于图像的3D重建的基础:
SSIST 2016 参会总结--day1_第12张图片
通过不同视觉图像的特征点匹配得到三维信息:
SSIST 2016 参会总结--day1_第13张图片

SSIST 2016 参会总结--day1_第14张图片
下图介绍了Internet computer vision,利用互联网上San Marco Square的几千张图片对其进行三维重建:
SSIST 2016 参会总结--day1_第15张图片
由于不同图片尺寸千差万别,所以首先需要归一化图片,如何归一化?第一步就是聚类,下图中相同颜色的就代表将拍摄同一位置的图像进行聚类,然后再进行归一化、匹配等后续工作。
SSIST 2016 参会总结--day1_第16张图片

SSIST 2016 参会总结--day1_第17张图片
简单介绍了Google的分布式基于图像聚类的重建工作:
SSIST 2016 参会总结--day1_第18张图片
下面讲了一个程序员利用3D重建技术给一个龟壳破裂的大型陆龟造龟壳的故事,生动有趣:
SSIST 2016 参会总结--day1_第19张图片
以上都是针对纹理较多的图像,那么当纹理很少或几乎没有纹理时会发生什么呢?下图左即为标准方法做出的结果,简直惨不忍睹。下图右为改进过方法的结果:
SSIST 2016 参会总结--day1_第20张图片
改进主要是加入了先验知识:
SSIST 2016 参会总结--day1_第21张图片
下面给出了缺乏纹理的环境下3D重建的效果:
SSIST 2016 参会总结--day1_第22张图片
3D重建发展史,一晃到了2011年
SSIST 2016 参会总结--day1_第23张图片
室内环境下的3D重建相比室外还是有很多问题的,这里介绍了CSG model用于室内3D重建:
SSIST 2016 参会总结--day1_第24张图片

SSIST 2016 参会总结--day1_第25张图片

SSIST 2016 参会总结--day1_第26张图片
然后讲者又提出了问题:用Google街景想从A点快速移动到目标点B非常慢,而且需要一点点拖动,有没有更快的方法?3D重建可以直接从更加宏观的地图出发先找到B点所在位置,然后慢慢拖动就可以快速找到目标点。
SSIST 2016 参会总结--day1_第27张图片
那么,未来3D重建还有哪些值得研究的工作呢?主要是以下几点:
SSIST 2016 参会总结--day1_第28张图片
对下图右室内场景建模反向生成下图左的CAD模型图,如下
SSIST 2016 参会总结--day1_第29张图片
不同的颜色表示不同的部分
SSIST 2016 参会总结--day1_第30张图片
可以将不同的房间区分开:
SSIST 2016 参会总结--day1_第31张图片
甚至可以对反向生成的CAD图进行误差修改,重新设计:
SSIST 2016 参会总结--day1_第32张图片
3D重建未来还有很多应用场景:
SSIST 2016 参会总结--day1_第33张图片
最后看看讲者的导师、合作者吧,都是大牛哇!
SSIST 2016 参会总结--day1_第34张图片

很期待明天robotic,visual reality的讲者和内容,应该会非常精彩!

你可能感兴趣的:(参会总结)