报告嘉宾：杨波 (The Hong Kong Polytechnic University)
报告时间：2023年05月31日 (星期三)晚上20:00 (北京时间)
报告题目：3D Semantic and Instance Segmentation without 3D Supervision
报告人简介：
杨波，现为香港理工大学计算机系助理教授，vLAR研究组负责人。2020年9月获牛津大学计算机博士学位。主要研究方向包括：三维视觉、机器学习、机器人等，专注于让智能机器真正理解和重建复杂三维场景，从而最终实现机器智能决策并与环境自主交互。其诸多研究成果发表于TPAMI/ IJCV/ NeurIPS/ ICLR/ CVPR/ ICCV/ ECCV/ ICRA/ IROS等国际期刊和会议。多个研究工作被国内外知名行业媒体报道，在学术界和工业界有广泛影响。
个人主页：
https://yang7879.github.io/
报告摘要：
近年来，随着深度学习理论的成熟以及大量人工标注数据集的出现，视觉领域获得前所未有的发展，包括3D语义和实例分割等核心任务。然而，目前大多数算法依赖海量人工标注数据训练神经网络，成本极高且模型难以泛化和部署到全新场景。探索无监督学习的新范式成为学界热点及难点。
本报告将介绍香港理工vLAR研究组在3D点云及3D隐式场上的语义和实例分割最新进展。首先介绍三维点云首个无监督语义分割算法GrowSP[1]，其次介绍三维点云首个无监督物体实例分割算法OGC[2]，最后介绍仅需2D图片监督的3D隐式场 (NeRF)物体实例分割算法DM-NeRF[3]。
