2016 China CAD&CG 参会总结 -- day3

会议日程（day3）

亮点选摘

今天的日程安排也非常满，虽然大会已经接近尾声，但与会师生的热情丝毫没有减弱。大会现场气氛热烈。

特邀报告

特邀报告是清华大学刘世霞副教授的“交互式机器学习：从信息理解到模型诊断及改进”。刘博士的报告非常新颖有趣，主要分两点。第一，针对传统的机器学习无法处理pattern突变的特点，适应样本实时更新和用户交互式需求，她提出了机器学习的在线学习框架：新样本学习，模型平滑与用户交互等。

第二，虽然机器学习可以解决信息分析理解中的很多问题，但是很多时候，这些模型通常是黑盒子，用户很难理解其输出的复杂结果，这导致他们难以诊断并改善模型。刘博士提出了复杂数据和模型可视分析框架。该框架是从自然环境中的沉积作用得到的启发。

由此可见，学科交叉是多么的重要哇！该可视框架跳出传统可视分析“先分析再可视化”的单一方向分析机制，将机器学习方法和交互可视化方法有机地结合在一起，从而更好的帮助用户理解复杂模型及其输出结果，分析、诊断并完善机器学习模型。以下是用于CNN中的一个可视分析框架。我们可以直白地看到深度学习中每个步骤的细节过程，比如每层神经元输出的可视化结果，样本如何被分类，分类错误的原因何在，以及交互式修改训练参数等。如此，我们不但可以知其然并且也能知其所以然。

该框架可被运用在市场分析、医疗卫生舆情分析、深度学习模型分析等。下面就是用于埃博拉病毒舆情分析的一个可视化示例。可以清晰地看到舆情的爆发情况。
　　　　　
刘博士列出了未来的几个研究方向：
　

学术新人报告

邵天甲博士介绍了基于常见图像类型的三维建模。他针对不同类型的图像进行了三维重建。第一，基于RGBD图像的室内场景的语义化建模、场景结果恢复和物体形状补全等。

下面是一个人像补全的例子，感觉很神奇，不过没怎么听明白原理。

第二，由于实际工作中经常遇到一些概念草图，这对于非专业的人士来说理解较为困难。于是他们做了关于手绘草图的三维重建工作，使得原本抽象难以理解的概念草图一下子形象生动起来。

第三，他们研究了基于单张RGB人像照片的全自动三维头发建模，这个之前在valse2016上浙大CAD的周昆教授做过介绍，效果非常赞。

后记

今天还有很多其他精彩的报告，由于精力和能力所限，就列举到此。与会者可以在大会论文集中查看具体感兴趣的文章。
今天的压轴环节：优秀论文颁奖以及下届承办方公布仪式同样精彩。三天的学术报告中，涌现了无数优秀的思路和点子，他们带来的分享在现场促进了新的思想碰撞，给予了在场师生们新的启迪。　
2017计算机辅助设计与图形学大会将会在天津大学举行。