韓曉光博士團隊工作榮獲Chinagraph圖形開源數據集獎
? ? ? ?摘要
? ? ? ?近日，中國計算機圖形學大會（Chinagraph）2020年度“圖形開源獎”評選結果揭曉。香港中文大學（深圳）理工學院、未來智聯網絡研究院、深圳市大數據研究院韓曉光博士團隊工作Deep Fashion3D數據集榮獲Chinagraph“圖形開源數據集獎”。
? ? ? ?獎項簡介
? ? ? ?中國計算機圖形學大會(Chinagraph)?由中國計算機學會、中國自動化學會、中國圖學學會、中國圖象圖形學會、中國系統仿真學會、香港多媒體及圖像計算學會于1996年發起主辦，迄今已舉辦12屆，是中國計算機圖形學界最高級別的學術會議。
? ? ? ?大會今年首次設立“圖形開源獎”，目的是為了表彰向公眾提供計算機圖形學相關的開源軟件和開源數據集的華人學者、企業同仁或學生。開源的圖形基礎代碼庫、應用算法庫、圖形數據集能夠普及圖形學的應用范圍，其貢獻者的分享精神能幫助他人快速驗證已有方法、提升計算機圖形學領域的影響力。
?
? ? ? ? Deep Fashion3D 項目簡介
? ? ? ?由我校韓曉光博士團隊提出的數據集Deep Fashion3D是目前最大的真實三維服裝數據集，它包含從10類共563件真實服裝采集的2078個高清晰度三維服裝點云模型, 在服裝種類以及數量方面遠多于其他開源三維服裝數據集。
? ? ? ?此外，為進一步幫助研究人員展開三維服裝重建方面的研究，韓曉光博士團隊在Deep Fashion3D數據集中加入了三維服裝特征線、服裝姿態以及真實服裝圖像等標注，在標注豐富性方面遠優于現有的開放三維服裝數據集。特別的，團隊首次提出了三維服裝特征線的標注方式，它展現了三維服裝最具代表性的領口、袖口、肩部、服裝下擺等位置，為三維服裝重建等相關任務提供了重要的位置信息。
? ? ? ?自Deep Fashion3D數據集發布一個月以來，該數據集已吸引國內外五十余所高校以及企業研究者的廣泛關注，對于三維視覺與圖形學領域未來的發展具有重要意義。
? ? ? ?除Deep Fashion3D數據集外，研究組依托Deep Fashion3D數據集，提出了一種新穎的單幅圖像三維服裝重建方法。該方法通過將顯式網格表示方法與隱式形狀表示方法相結合，實現了高保真的服裝重建：在顯示網格表示方法對應的分支中，模型根據輸入圖像生成三維服裝特征線，用于引導服裝模板網格形變至與圖像中服裝宏觀形狀相近的形態；在隱式形狀表示方法對應的分支中，模型通過輸入圖像預測服裝表面的高頻細節。最終，通過將隱式分支中生成的服裝高頻細節遷移至顯式分支生成的服裝模板網格，完成具有準確宏觀性狀且細節豐富的服裝網格重建。
?
? ? ? ?在計算機視覺領域三大頂級會議之一ECCV2020 中，Deep Fashion3D項目對應的文章“Deep Fashion3D: A Dataset and Benchmark for 3D Garment Reconstruction from Single Images”被錄取為口頭報告文章(Top 2%)。
?
? ? ? ?韓曉光博士簡介
韓曉光博士
理工學院助理教授
? ? ? ?韓曉光，博士，現任香港中文大學(深圳)助理教授以及深圳市大數據研究院研究科學家，其研究方向包括計算機視覺、計算機圖形學、虛擬現實和醫療圖像處理等，在該方向著名國際期刊和會議發表論文近40篇，包括頂級會議和期刊SIGGRAPH, CVPR, ICCV, AAAI, ACM TOG, IEEE TIP, IEEE TVCG等。他的工作曾獲得計算機圖形學頂級會議Siggraph Asia 2013新興技術最佳演示獎，入選2016年年度最佳計算論文之一，以及2019年和2020年計算機視覺頂級會議CVPR連續兩年入選最佳論文提名（入選率分別為0.8%和0.4%），他的團隊于2018年11月獲得IEEE ICDM 全球氣象挑戰賽冠軍（參賽隊伍1700多）。
