报告题目：小样本三维点云语义分割
报告人：刘云
报告时间：2024年12月3日下午3：00-4：00
报告地点：计算机楼A501
报告摘要：
本次报告将围绕小样本三维点云语义分割（Few-shot 3D Point Cloud Semantic Segmentation, FS-PCS）展开，探讨当前问题设置中存在的两个主要问题：前景泄漏和稀疏点分布。这些问题严重影响了当前模型的性能评估，揭示了引入一个标准化的FS-PCS设置的重要性。此外，还将介绍一种新颖的FS-PCS模型。与以往主要通过优化Support特征来增强Prototypes的特征优化方法不同，我们的方法是基于相关性优化的（Correlation Optimization），即优化语义类别与特征的相关性。针对小样本训练固有的导致模型对基础类（Base Classes）敏感的问题，我们设计了基础原型校准（Base Prototypes Calibration, BPC）模块用于校准背景类的相关性。与此同时，本次报告还将探讨多模态信息对于FS-PCS的辅助意义，在不增加模型推理成本的前提下，重点讨论如何在模型训练中用文本、2D图像等多模态信息来增强3D点云在小样本问题中的表征能力。
报告人简介：
刘云，南开大学青年教师。在加入南开大学之前，是新加坡科技研究局的高级科学家。此前，他是苏黎世联邦理工学院计算机视觉实验室的博士后，导师是Luc Van Gool教授。在程明明教授的指导下，分别于2016年和2020年获得南开大学学士和博士学位。研究兴趣是图像、视频、点云等的高效感知与分割。在顶级期刊和会议上发表了30余篇论文，谷歌学术引用7700余次。
