卡內基梅隆大學機器人學院博士後胡耀鈺:基於深度學習的雙目深度...

2020-12-08 智東西

傳統多視圖幾何的三維重建,按照深度圖的獲取方式可以分為主動式三維重建和被動式三維重建。被動式三維重建是依靠多視圖幾何原理基於視差進行計算,按照採集設備的不同可以分為單目視覺、雙目視覺和多目視覺。

單目視覺使用單一攝像頭作為採集設備,依靠一段時間內獲得的連續圖像的視差來重建三維環境,然而單張圖像可能對應無數真實物理世界場景,因此從圖像中估計深度進而實現三維重建的難度較大。雙目視覺則主要利用左右相機得到的兩幅校正圖像找到左右圖片的匹配點,然後根據幾何原理恢復出環境的三維信息,其可以較為精確的恢復深度信息。

而隨著深度學習的發展,基於深度學習的三維重建方法也開始不斷出現。在傳統三維重建方法中引入深度學習算法進行改進,或者將深度學習算法與傳統算法進行融合、優勢互補,又或者模仿動物視覺,直接利用深度學習算法進行三維重建。

7月28日晚8點,智東西公開課邀請到CMU機器人學習博士後胡耀鈺參與「CV前沿講座」第11講,胡博士將圍繞《基於深度學習的雙目深度重建技術研究與應用》這一主題進行直播講解。從傳統的非深度學習方法,以及現有的基於深度學習的方法對雙目重建技術進行全面深入的講解。感興趣的朋友不要錯過。

胡耀鈺是卡內基梅隆大學機器人學院的博士後,主要從事視覺深度重建和點雲處理等研究工作,其研究成果發表於ICRA、IEEE等國際頂尖會議。胡博士2017年於上海交通大學獲得博士學位。

課程時間

直播時間:7月28日20:00直播地點:智東西公開課小程序答疑地址:三維重建討論群

課程詳情

主題:基於深度學習的雙目深度重建技術研究與應用

提綱:1、雙目深度重建的基本原理2、非深度學習的雙目重建方法解析3、基於深度學習模型的關鍵結構4、基於深度學習的雙目重建技術應用

講師:

胡耀鈺,CMU機器人學院博士後,2017年於上海交通大學獲得博士學位;主要從事視覺深度重建,點雲處理等研究工作,研究成果發表於ICRA、IEEE等國際頂尖會議。

報名方式

添加智東西公開課小助手糖糖(ID:hitang20)報名,添加時請備註「姓名-公司/學校-職位/專業」,因報名人數過多,優先通過備註者。

相關焦點

  • 卡內基梅隆大學機器人學院博士後王晨:無監督在線學習在機器人場景...
    針對場景預測問題的研究,目前多為基於有監督的學習方法,其數據也需要有對應的標籤信息。但移動機器人的實際操作環境往往是未知的,數據的標籤信息很難獲取,因此基於有監督的學習方法並不適用於移動機器人的場景預測問題。
  • VH留學|清華大學博士後科研項目:基於深度學習的信號處理研究
    基於深度學習的信號處理研究隨著深度學習的發展,在本項目中,我們將從深度學習的方法出發,針對通信工程中的熱點問題進行研究。其中包括根據無人機的微都卜勒效應,進行不同無人機型號的識別和分類;通過深度學習,進行MIMO-OFDM系統中的信道估計和預測;邊緣計算場景中的通信資源分配問題等。
  • 卡內基梅隆大學Tom Mitchell:深度學習有缺陷 它無法解釋其中的原因
    網易科技訊4月27日消息,今日,2018年GMIC論壇在北京舉行,在生命科學高峰論壇上,在《中外對談:機器學習助力智能診療》論壇環節,計算機科學學院機器學習系主任,卡內基梅隆大學Tom Mitchell接受了北京大數據醫達科技有限公司創始人鄧侃的現場對話採訪
  • 傅盛:深度學習是什麼?
    我總結了一句話,學術上看未必嚴謹,但從我的理解角度看——深度學習是基於多層神經網絡的,海量數據為輸入的,規則自學習方法。這裡包含了幾個關鍵詞:第一個關鍵詞叫多層神經網絡。深度學習所基於的多層神經網絡並非新鮮事物,甚至在80年代被認為沒前途。
  • 基於深度學習的圖像識別進展
    【視覺機器人:在我看來深度學習本身就是一套系統一個架構,而不是一個單一的算法,有時候不能用深度學習和其他單一算法例如SVM算法比較,深度學習本身也是有抽取特徵的網絡部分】經驗1:豐富的圖像擾動是我們將關於圖像的先驗知識用於深度學習輸入端的有效手段經驗2:結構化損失函數是我們將模型化知識用於深度學習輸出端的有效方式經驗3:參數的稀疏化、圖像的多解析度通道
  • 下周,CMU博士胡亞飛和輕舟智航高級感知工程師陳鈺講解深度強化...
    然而深度強化學習到底是什麼樣的方法,又有哪些應用,尤其在機器人領域又有怎樣的進展呢?北京時間4月11日上午10點(矽谷時間4月10日晚7點、賓夕法尼亞州時間4月10日晚10點),智東西公開課「CV研究合輯」第3講直播開講,由卡內基梅隆大學博士胡亞飛和輕舟智航高級感知工程師陳鈺,為大家講解《深度強化學習在機器人領域的研究》。
  • 石頭掃地機器人T7 Pro AI雙目探秘:智能雙目不止視覺
    石頭掃地機器人T7 Pro的AI雙目 石頭掃地機器人T7 Pro通過立體視覺技術和AI 物體識別技術,用大視角雙目攝像頭獲取RGB 圖像信息與深度信息後
  • 卡內基梅隆大學研究員教會機器人拾取透明或反光物體
    卡內基梅隆大學研究人員已經能夠教會機器人拾取透明或反光的物體。 這在過去一直是機器人面臨的挑戰,研究人員解決這一問題的方法是教會機器人從彩色圖像中推斷形狀。長期以來,拾取透明和反光物體一直阻礙著機器人的發展,但新系統有望緩解這一問題。
  • 專訪德撲AI背後專家:德撲AI的人工智慧原理不靠深度學習 靠「談判」
    新浪科技:冷撲大師有沒有使用到神經網絡和深度學習技術?  AM:冷撲大師沒有使用神經網絡和深度學習方面的技術,而是使用了最為傳統的線性規劃(Liner Programming)。  我可以講得稍微細一點。計算機需要算出最合適數量的詐,因為無論詐數量過多或者過少,都可能被其他牌手利用。
  • 卡內基梅隆大學和人工智慧擦出的火花
    在更新的全球高校AI實力排名中,卡內基梅隆大學排名第一位,清華大學排名第二,北京大學排名第四。其中,排名的區域分為8大類,排名方向分為AI、系統、理論、跨學科領域4大類(其中細分領域分為26項),AI方向的AI不僅僅代表人工智慧,還包括計算機視覺、機器學習與數據採集、自然語言處理、網頁信息檢索。
  • 卡內基梅隆大學研究人員教會機器人拾取透明或反光的物體
    本文轉自【cnBeta.COM】;卡內基梅隆大學研究人員已經能夠教會機器人拾取透明或反光的物體。這在過去一直是機器人面臨的挑戰,研究人員解決這一問題的方法是教會機器人從彩色圖像中推斷形狀。長期以來,拾取透明和反光物體一直阻礙著機器人的發展,但新系統有望緩解這一問題。 該團隊開發的新技術最酷的地方在於,它不需要複雜的傳感器、大量的訓練或人類指導。相反,它主要依靠嵌入在機器人手臂上的彩色攝像頭。研究人員David Held表示,之前深度相機將紅外光照射在物體上,以確定其形狀,這種技術對於不透明的物體很有效。
  • 圖靈獎「擁抱」深度學習
    「我們很難預測未來……但是有些事情我們可以預測,比如深度神經網絡這項技術會改變一切。」ACM(國際計算機協會)在美國當地時間 3 月 27 日公布了 2018 年圖靈獎的授予結果。ACM 將本屆圖靈獎頒給了深度學習領域,並且讚譽三位獲獎人為「深度學習之父」。
  • 港科大劉明:深度學習為機器人研究注入新能量,產業需求是新發展的...
    劉明博士目前擔任香港科技大學機器人學院機器人與多感知實驗室(RAM-LAB)主任,他本科畢業於同濟大學,於 2013 年獲得瑞士蘇黎世聯邦理工學院(ETH)機器人學博士,由於出色的科研成果,他在博士畢業前即加入香港科技大學任教。在他的帶領下,實驗室快速擴張,目前,實驗室中除了他的研究生和博士生,還有許多來自 ETH、清華等高校的實習生。
  • 艾米機器人牽手世界名校卡內基梅隆大學
    李總,取名為艾米(AMY)機器人有什麼用意呢?」 「當初我是這麼想的,A代表先進領先(Advanced),我們想做機器人世界的第一名,MY是我的意思,我們想給大家打造一款「只屬於我們的自己的機器人」這是艾米機器人CEO李方友取名為艾米機器人的初衷。
  • 實踐入門NLP:基於深度學習的自然語言處理
    【NLP工程師入門實踐班】——基於深度學習的自然語言處理開車啦!!還不趕緊上車!?在算法和神經網絡方面,側重卷積神經網絡,遞歸神經網絡,增強學習,對抗學習,無監督學習等。發表多篇人工智慧及計算機視覺頂級會議和期刊,包括ICCV、AAAI oral、PR等,並為多個會議和期刊審稿人。曾在中科院參與負責基於龍芯的安全晶片項目,後成功轉行深度學習領域,講課風格深入淺出通俗易懂,有獨家學習和轉行經驗。
  • 基於深度學習的學術搜尋引擎
    在此之前不久,基於深度學習的Semantic Scholar免費學術搜尋引擎的問世,也為科研工作者們搜索和篩選學術文獻資源帶來了新的體驗。[方法/過程]在介紹人工智慧、機器學習和深度學習之間關係的基礎上,介紹了Semantic Scholar的檢索功能,重點就該引擎基於系統在理解文獻內容基礎上的學術影響力評價功能作了分析,並將Semantic Scholar與現行主流學術搜尋引擎Google Scholar、Microsoft Academic、必應學術和百度學術進行比較研究。
  • Bengio、Sutton的深度學習&強化學習暑期班又來了,2019視頻已放出
    今年的暑期課程於 2019 年 7 月 24 日至 8 月 2 日在加拿大阿爾伯塔省埃德蒙頓舉行,課程聚集了研究生、博士後和業界人員,涵蓋了深度學習和強化學習的基礎研究、最新發展和實際應用。參加者可直接跟從世界知名的研究人員和講師學習。
  • 運用深度學習教機器人理解自然語言
    他在德克薩斯農工大學獲得心理學學士學位和工商管理碩士,在德克薩斯大學獲得計算機博士學位。譯者/趙屹華 審校/劉帝偉、朱正貴 責編/周建丁。在深度學習出現之前,文字所包含的意思是通過人為設計的符號和結構傳達給計算機的。本文討論了深度學習如何用向量來表示語義,如何更靈活地表示向量,如何用向量編碼的語義去完成翻譯,以及有待改進的地方。
  • 一種基於深度學習的視覺觸覺感知方法
    圖為研究人員介紹的基於視覺的觸覺感知策略為了有效地與周圍環境互動,機器人應該能夠像人類一樣,通過觸摸來識別不同物體的特徵。考慮到這一點,世界各地的研究小組一直在努力開發技術,通過分析傳感器收集的數據,賦予機器人觸覺,其中許多數據是基於深度學習架構的使用。雖然其中一些方法很有前途,但它們通常需要大量的訓練數據,而且並不總是能夠很好地泛化以前不可見的對象。
  • 深度重建:基於深度學習的圖像重建
    本文主要介紹了我們課題組的深度重建工作。從結果可以看出,基於深度學習的CT圖像重建方法在圖像質量上要優於傳統的重建算法。因此,在未來,深度學習和醫學圖像重建的聯繫將會越來越緊密。在今後的工作中,我們也會致力於推進深度學習和CT圖像領域的結合,引入深度學習發展的最新技術,將基於深度學習的方法引入臨床應用上,並且嘗試解決其他的醫學圖像問題,加快醫學圖像領域的發展進程。