报告题目：大尺度空间三维重建及定位导航

报告摘要：计算机视觉包括两大核心任务：场景语义感知理解与场景三维重建导航，本报告主要从三维重建和定位导航两个方面来介绍场景三维重建导航方面的一些研究工作。在三维重建方面，首先介绍我们在多视图三维稠密点云重建领域的一些研究成果ACMH/ACMM/ACMP/PVSNet/EPNet等，着重强调传统的几何稠密点云重建方法与当前深度学习点云重建方法各自优劣及性能差异；其次介绍我们提出的基于深度学习的点云表面重建方法SSRNet/DeepDT等；然后介绍我们提出的基于几何一致性约束的神经隐式学习表面重建算法Geo-Neus，相比目前代表性的神经隐式表面重建方法有超过20%的大幅度性能提升。在定位导航方面，报告重点集中在其中的核心环节：基于2D/3D特征的两视图位姿估计，主要介绍我们提出的几种两视图位姿估计算法G-Loss/DeTarNet/ SC2-PCR/OIF-PCR等。

 个人简介：陶文兵，男，博士，现为华中科技大学人工智能与自动化学院教授/博士生导师。曾连续6年入选爱思唯尔中国高被引学者，以第一作者和通讯作者在TPAMI, IJCV, TIP, CVPR, NeurIPS, AAAI等国际权威期刊及计算机学会A类国际会议上发表论文100余篇，授权发明专利30余项。近年来研究工作主要集中在以下几个方面：1）提出ACMH/ACMM/ACMP/PVSNet/EPNet/Geo-Neus等多视图重建算法在公开数据集上评测取得领先的性能（代码已开源），为工业界广泛采用；2）提出SSRNet/DeepDT等算法采用深度网络解决了大规模点云表面重建问题，并取得与传统几何算法相当的性能（代码已开源）；3）在点云配准领域提出DeTarNet/ SC2-PCR/OIF-PCR等性能SOTA的算法（代码已开源）。