网格曲面的神经网络

分享背景

网格是几何数据的常用高效表示, 在几何曲面构建的机器学习方法对计算机图形学，3D计算机视觉以及几何分析和处理有着重要的意义。

分享主题

网格曲面的神经网络 (CVPR 2018 oral: Surface Networks)

分享提纲

1. 几何曲面的离散表示

2. 一种图神经网络 (GNN) 的简要介绍

3. 离散微分几何中的Laplace与Dirac算符

4. 网格曲面的时域预测与生成型模型

5. 稳定性证明

分享人简介

姜仲石，纽约大学科朗数学研究所(NYU Courant) 二年级博士生, 本科毕业于中国科学技术大学数学与应用数学系, 主要研究兴趣集中于3D几何处理与分析, 担任ACM Transactions on Graphics, SIGGRAPH等国际期刊和会议审稿人, 曾获2018年度Adobe Research Fellowship. 个人主页https://cs.nyu.edu/~zhongshi/

分享时间

北京时间 7 月 15 日（星期日） 早上 10:00

参与方式

┏(＾0＾)┛欢迎分享，明天见！