suncitygroup太阳官网三项成果被国际人工智能学术顶会NeurIPS 2022录用

suncitygroup太阳官网陆昊副教授、刘禹良研究员、曹治国教授以及刘文泽、叶紫璇、付洪涛等研究生的论文“SAPA: Similarity-Aware Point Affiliation for Feature Upsampling”被NeurIPS 2022录用。该论文研究深度网络中的特征上采样。上采样旨在恢复空间分辨率，是许多稠密预测模型中的基础操作。但由于上采样本身属于病态的逆问题，算子常引入启发式策略设计，导致上采样后的特征要么过于平滑，要么过于稀疏；不同算子在不同任务中表现不一。为了解决以上问题，论文首次为特征上采样引入了点归属的概念，并基于此提出了一类通用的上采样算子SAPA，通过形式化一种新型的动态上采样核以学习编码器特征点和解码器特征之间的局部互相似性，可在上采样过程中准确地分配点的语义归属，在保持特征语义平滑的同时和维持特征边缘锐度。实验证明SAPA可为一系列不同类型的稠密预测任务，包括语义分割、目标检测、深度估计和图像抠图等，带来一致的性能提升。

suncitygroup太阳官网2020级硕士研究生付前程在导师陶文兵教授的指导下联合新加坡南洋理工大学的徐青山博士及Yew-Soon Ong教授撰写的论文Geo-Neus: Geometry-Consistent Neural Implicit Surfaces Learning for Multi-view Reconstruction被NeurIPS 2022录用，付前程与徐青山为共同第一作者，陶文兵为通讯作者，suncitygroup太阳集团网址为第一作者单位与通讯作者单位。论文提出几何形状一致的神经隐性表面学习Geo-Neus来完成多视图表面重建。首先从理论上分析了体渲染积分与基于点的符号距离函数（SDF）建模之间存在差距。进而为了克服这一差距，Geo-Neus方法利用SFM获取到的稀疏点集及多视图中的光度一致性直接定位到零符号距离位置来实现多视图几何优化。这使得SDF的优化具有无偏的特性，从而多视图几何约束能够专注于真实的表面优化，因而能够显著提高表面重建的精度。大量的实验表明，论文提出的Geo-Neus方法在复杂的薄结构和较大的平滑区域中都达到了高质量的表面重建，在DTU等数据集中评测领先于当前SOTA的神经隐式曲面学习方法约25%。

suncitygroup太阳官网博士生杨帆、硕士生郭琳、博士生陈志在陶文兵教授的指导下撰写的论文“One-Inlier is First: Towards Efficient Position Encoding for Point Cloud Registration” 被NeurIPS 2022录用。该论文研究内容为基于深度学习的点云配准任务。点云配准旨在估计不同视角重叠点云之间的相对位姿以对齐点云场景。论文提出仅需一个内点的位置编码实现高效的点云配准。首先提出利用可微的最优传输层选择一个内点用于对点云中每个点进行归一化处理并实现位置编码。这样做旨在消除待配准点云处在不同的参考系带来的挑战，同时通过学习空间一致性消除特征歧义。然后，该论文提出一个联合优化策略，用于迭代优化对应关系建立与位置编码。最后，设计了一种渐进方式用于点云空间位置逐渐对齐以及特征优化。论文所提出的位置编码是相当高效的，仅增加了少量的显存与计算开销。大量的实验表明，该论文所提出的方法与当前SOTA方法相比，在显存占用、运行时间更少的同时，在室内外场景均取得具备竞争力的结果。