【学术交流】我校二四六玄机文字图研究生在CVM2023学术会议上作报告

来源: 作者:汤光裕编辑人:宣传部发稿时间:2023-04-12浏览次数:

4月6日至4月8日,第十一届Computational Visual Media Conference(CVM2023)会议在广东深圳举行,该会议由深圳大学主办。CVM是亚洲图形学学会(ASIA Graphics Association)三大旗舰会议之一,属于CCF(中国计算机学会)推荐的C类国际学术会议,关注计算机图形学的创新研究与行业突破,在学界与工业界具有广泛影响力。本届会议由ACM SIGGRAPH成就奖获得者、以色列特拉维夫大学Daniel Cohen-Or教授与深圳大学黄惠教授担任主席,邀请了包括欧洲图形协会主席、德国康斯坦茨大学教授Oliver Deussen博士,加拿大西蒙弗雷泽大学教授、亚马逊学者张皓博士,香港大学教授俞益洲博士,香港大学助理教授彭祎帆博士等多名知名学者做报告。我校二四六玄机文字图余锋副教授,赵雅欣、刘筱笑、陈昭翔、史衍康、邝捷文、苗佳哲六名同学参加了会议。

会上,彭涛教授指导邝捷文同学完成的论文《GSNet: Generating 3D Garment Animation via Graph Skinning Network》被CVM2023会议接收并受邀做口头报告。

该论文提出了基于图时序的蒙皮网络模型,用于三维服装的动态仿真。课题组研究发现当前基于深度学习的服装仿真存在前后帧时序不关联等问题,并提出和设计基于图时序的蒙皮网络来进行服装动态仿真。在实验效果上,该模型的定性实验结果和定量实验结果相较于当前最先进的方法有明显地提升。同时,该论文被推荐至CCF B类期刊《Graphical Models》发表。

余锋副教授指导赵雅欣同学完成的论文《TSFFNet: texture-shape feature fusion network for clothing style classification》被CVM2023会议接收并进行海报展示。

该论文从服装本身属性出发解决服装分类难题,并指出对服装特征进行有针对性的增强措施更有助于提高服装分类的准确性。该论文根据服装款式数据集的特点,提出了一个可以分别增强形状和纹理特征的网络:纹理-形状特融合网络(TSFFNet),使网络可以在只增加少量参数的情况下,更准确地对服装图像进行分类。实验结果表明TSFFNet改善了服装图像的特征表示,在时尚数据集上达到74.6%的准确率,这比单独使用最好的主流分类网络提高了12.4%。

近年来,我院在研究生教育培养上采取了一系列有效举措,如常态化邀请高水平专家为研究生作学术报告,持续举办崇真研究生学术论坛,支持研究生参加高水平学术会议等,形成了良好的科研育人的学术氛围,提高了研究生的学术研究水平,同时提升了研究生的培养质量和影响力。