- 课程回放
2017年博士毕业于北京理工大学,2017至2019年,在联想研究院任高级研究员。2019年至2021年,在起源人工智能研究院(IIAI)任研究员。主要研究方向为图像/视频分析,以人为中心的视觉理解,医疗图像分析等,在国际顶级期刊/会议(如TPAMI,TIP,CVPR,ECCV,AAAI等)发表学术论文20余篇,多个工作获得顶级会议口头报告。曾作为第一作者在多个国际竞赛的若干赛道中获得领先名次,如ICCV19 PIC双赛道冠军,CVPR20 DAVIS亚军,CVPR20 LIP亚军等。
- 人体语义解析的研究背景
- 基于人体部件关系推理的语义解析模型
- 多粒度表征学习的实例级人体解析
4月29日晚8点,「学术新青年讲座」CVPR 2021特别企划第4讲,特邀苏黎世联邦理工学院博士后研究员周天飞主讲,主题为《人体结构化语义解析与理解》。
人体解析旨在将图像中的人体部件(例如头发,帽子等)进行精细化分割,是一项细粒度级别的语义分割任务。它具有重要的研究意义,能够使机器更好地理解以人为中心的图像内容,也可为行人重识别、行为识别、视频事件检测、智能安防等相关任务的发展提供技术支撑。
因为人体解析和语义分割的本质相同,所以人体解析模型大部分是基于语义分割模型改进的。但人体解析主要是以人体为研究对象,为了达到更好的分割精度,还需要充分利用人体结构信息。目前,最常见的理解人体结构信息方法是人体姿态估计,将它与人体解析模型有效结合到一起,能够有效地提升人体四肢相关部件的分割性能。但是,由于人体姿态的复杂性,当前方法往往不能准确理解人体的结构信息,容易对四肢等人体部件造成误判;同时,在多人存在的复杂场景下人体图像存在相互遮挡。如何建立更为准确的人体解析模型仍是需要深入研究的难点问题。
针对上面的问题,在本次讲座中,周天飞博士将从人体解析的研究背景出发,详细分析他在CVPR 2021 上的最新研究成果:基于姿态先验信息的语义解析模型和结合不同人员粒度结构信息的实例级人体解析。该论文成果被收录为CVPR 2021 Oral,附论文链接:https://arxiv.org/abs/2103.04570。
周天飞是苏黎世联邦理工学院博士后研究员。他于2017年博士毕业于北京理工大学,2017至2019年,在联想研究院任高级研究员,2019年至2021年,在起源人工智能研究院(IIAI)任研究员。周博的主要研究方向为图像/视频分析,以人为中心的视觉理解,医疗图像分析等,在国际顶级期刊/会议(如TPAMI,TIP,CVPR,ECCV,AAAI等)发表学术论文20余篇,多个工作获得顶级会议口头报告。他曾作为第一作者在多个国际竞赛的若干赛道中获得领先名次,如ICCV19 PIC双赛道冠军,CVPR20 DAVIS亚军,CVPR20 LIP亚军等。