论文还值得仔细品味,这里有三天会议

雷锋网AI科技评论按，继上次分享了3DV国际会议首日的报告内容之后，我们在本文将继续分享大会接下来两天的内容。（查看：十月十日内容）

十月十一日

在全国普遍降温、降雨的情况下，青岛依旧晴朗。3DV国际会议进入第二天的议程。大会议程基本形式和昨天类似，依旧采用特邀报告+口头报告+短报告+海报展览的形式。

特邀报告

在上午场的特邀报告环节，北京大学高文院士向我们展示了他们在实时在线3D重建和移动搜索方面的研究。

随着AR／VR系统、自动驾驶、UAV等领域的发展，在线视觉处理变得越来越重要，但是限于移动端诸如带宽、存储大小、电池容量等的限制，实时在线3D重建以及移动端搜索仍然有很大的挑战。首先就后一个问题，高文院士提出通过interestpoints匹配来进行移动搜索，这能大大地降低对硬件的要求。报告中高文院士详述了如何进行interestpoints的检测、特征选择、特征聚合、局部特征描述及定位等技术，同时还介绍了深度学习在这些方面的应用。针对在线3D重建，高文院士提出通过keypoints以及点云的方式来解决。在报告的这一部分，高文院士首先详细介绍了MPEG压缩算法应用于点云压缩的相关工作，随后介绍了他们在SLAM方面的研究，提出通过USB（UltraShortBinary）描述、提取、匹配以及PolarimetricMulti-ViewStereo的方式来解决SLAM中实时、精度以及无特征场景的问题；最后高文院士介绍了他们应用以上技术搭建的PKUIKINGUAV飞行平台，他们通过这个平台使用无人机花3天时间重建了北大校园3cm-13cm精度的三维结构。

下午场特邀报告中，香港科技大学终身教授权龙充满激情地给我们介绍了他在人工智能、计算机视觉、3D视觉重建等方面的思考和研究。

权龙教授认为从AI的角度看，相比于语音和文字，视觉大约占所有信息的80%，所以更为重要，AI的演变主要来自于计算机视觉。权龙教授带我们简单地回顾了一下AI的发展历史，从年到年15年的时间里，AI一直没有很大的变化；但是在这沉默的15年中，计算硬件从CPU发展到了GPU有很大的提升，随之也带来AI近几年迅猛的发展。在对计算机视觉的理解上，权龙教授认为计算机视觉就是对基本视觉特征的搜索，而特征则是图像重构和识别的基础。这方面通过使用深度学习网络已经有了非常完美的效果，但是仍有许多不足有待改进。例如在识别方面，它仍然只能完成特定任务、不能像人一样理解图像。在重构方面，则还面临着诸如如何在两张图中找到相同事物、相关特征或像素等，如何去除不需要事物（例如天空）等问题。接下来，权龙教授介绍了现代三维重建管道的内容，并相应地提出了“深度三维重建”的概念——包括对传统上特征检测和匹配、来自运动的结构、多视角立体等方面的改进。此外，权龙教授还给我们展示了使用Altiture.