「AI新青年讲座」将邀请世界顶尖AI研究机构和大学的科研新青年，主讲他们在计算机视觉、机器学习等人工智能领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新青年的视频讲解和直播答疑，将可以帮助大家增进对人工智能前沿研究的理解，相应领域的专业知识也能够得以积累加深。同时，通过与AI新青年的直接交流，大家在AI学习和应用AI的过程中遇到的问题，也能够尽快解决。

有兴趣分享学术成果的朋友，可以与智东西公开课教研团队进行邮件（class@zhidx.com）联系。

静态点云的分类分割在过去几年中取得了快速进展，然而这些静态点云模型并不能理解真实世界正在发生的变化。基于场景流的模型可以理解真实的世界，捕捉3D点云的运动，却很难将模型直接应用在动态点云上，因为将不规则、无序的点云有效地对应起来是很难甚至不可能的。

为了在不跟踪点云对应关系的情况下捕获3D运动，牛津大学虚实整合系统组在读博士钟家兴等人从运动学中获得灵感，提出基于静态点云模型的动态点云分类框架Kinet。Kinet将时空曲面（ST曲面）的运动学概念从点云的物理域推广到特征空间，从而绕过场景流估计，通过这种方式，这些ST曲面的法向量建立了动态信息的表示字段。因此，点云的运动可以由特征级ST曲面隐式表示，无需显式计算对应的点，从而实现动态点云的分类。

受迭代法线优化的启发，钟家兴博士等人还展开了ST法线的解算器，使Kinet能够与静态点云模型一起以端到端的方式进行联合训练，由于网络结构的微小变化和较低的计算开销，在给定的静态模型上很容易就可联合训练和部署Kinet。

9月29日晚6点，「AI新青年讲座」第162讲邀请到牛津大学虚实整合系统组在读博士钟家兴参与，主讲《使用静态点云模型实现动态点云分类》。

讲 者

钟家兴，牛津大学虚实整合系统组在读博士；师从Andrew Markham教授和Niki Trigoni教授，研究兴趣为机器学习和计算机视觉，主要是场景理解中的三维视觉以及视频分析；担任顶级学术会议或期刊CVPR、ICCV、AAAI、SIGGRAPH以及MICCAI、TMI等审稿人，并在计算机视觉相关领域多个顶级会议期刊发表多篇论文。

主 题

《使用静态点云模型实现动态点云分类》

提 纲

1、静态点云模型应用的局限
2、动态点云分类面临的挑战
3、基于静态点云模型的动态点云分类框架
4、在静态模型上的联合训练和部署

直播信息

直播时间：9月29日18:00
直播地点：智东西公开课知识店铺

成 果

Kinet：《No Pain, Big Gain: Classify Dynamic Point Cloud Sequences with Static Models by Fitting Feature-level Space-time Surfaces》

论文链接：https://arxiv.org/pdf/2203.11113.pdf

开源代码：https://github.com/jx-zhong-for-academic- purpose/Kinet.