「AI新青年講座」將邀請世界頂尖AI研究機構和大學的科研新青年，主講他們在計算機視覺、機器學習等人工智能領域的最新重要研究成果。
AI新青年是加速人工智能前沿研究的新生力量。AI新青年的視頻講解和直播答疑，將可以幫助大家增進對人工智能前沿研究的理解，相應領域的專業知識也能夠得以積累加深。同時，通過與AI新青年的直接交流，大家在AI學習和應用AI的過程中遇到的問題，也能夠盡快解決。
有興趣分享學術成果的朋友，可以與智東西公開課教研團隊進行郵件（class@jmfly.net）聯系。
目前，大部分常見的點云分類模型都是在較為理想的數據上進行訓練的，而在真實世界中，由于場景的復雜性、傳感器失準以及數據處理偏差等原因，點云數據不可避免地受到噪音的影響。與此同時，點云數據往往被應用于與安全息息相關的應用場景，如自動駕駛和醫療診斷等等，點云模型的魯棒性尤為重要。
現有對于點云分類模型的魯棒性研究主要集中于三點：在特定的數據上驗證魯棒性、在模擬至真實場景下驗證魯棒性和在對抗攻擊場景下驗證魯棒性。盡管已有工作對點云分類模型的魯棒性進行了探究，但到目前為止還缺乏一個標準且全面的基線。
基于此，南洋理工大學在讀博士任嘉瑋等人提出了首個用于點云分類和部件分割的魯棒性測試基線PointCloud-C，并根據PointCloud-C構建了來自真實世界3D噪聲源的全新測試集ModelNet-C。同時，他們設計了一個高魯棒性的點云分類模型RPC，并分別從結構、訓練和數據增廣三方面給出了面向3D感知的高魯棒性模型設計技巧。大量的實驗證明，這種魯棒的點云分類模型RPC和設計技巧都能顯著地提高點云分類對于真實世界點云噪音的魯棒性。
7月13日晚7點，「AI新青年講座」第136講邀請到南洋理工大學S-Lab在讀博士任嘉瑋參與，主講《應對常見噪聲的高魯棒性點云分類模型》。
講者
任嘉瑋，南洋理工大學S-Lab在讀博士，導師是劉子緯助理教授，以一作身份發表四篇頂會論文，曾獲得COCO 2019 全景分割挑戰冠軍，目前研究興趣是開放世界學習與3D表征學習。
主題
應對常見噪聲的高魯棒性點云分類模型
提綱
1、常見點云分類模型中的魯棒性問題
2、基于真實世界3D噪聲源的全新測試集ModelNet-C
3、高魯棒性的點云分類模型RPC
4、面向3D感知的高魯棒性模型設計技巧
直播信息
直播時間：7月13日19:00
直播地點：智東西公開課知識店鋪
