主要研究方向为计算机视觉、计算机图形学与深度学习，其主要研究目标为：

（1）智能化的三维场景理解

  三维场景的感知信息可以服务于机器人交互、无人驾驶、增强现实等重要应用，我们希望通过利用数字空间广泛存在的不同模态数据，基于机器学习、深度学习等技术手段，挖掘场景内在表达，实现智能化的三维场景语义、实例、关系的理解，从而推进智能化场景感知。

（2）智能化的三维场景建模

  三维场景建模主要依赖于人工交互，我们旨在探索如何利用场景大数据中内蕴的场景信息，构建智能化的三维场景生成算法，使得三维建模技术更便捷、简单、普适，从而实现大众化三维创作。

（3）三维数字人

  三维数字人的建模与动画驱动在人体形态分析、服装设计、角色动画等领域具有重要应用，我们旨在推进基于通用传感器的三维人体建模，并通过现有数据，实现更便捷的人体建模、人体动画合成。

目前，已经在以上研究领域的顶级会议与期刊，包括ICCV, CVPR, IEEE TVCG, ACM ToG等刊物，发表论文多篇。并多次担任ICCV, CVPR, ECCV, ICLR, NeurIPS, ACM MM, AAAI, IEEE TVCG, IEEE TMM等领域顶级会议与期刊的审稿人。

招生专业： 计算机图形学；计算机视觉；深度学习；机器学习

招生方向：三维深度学习；三维场景的智能感知与理解；数据驱动的三维建模与虚拟数字内容合成；三维数字人的感知、重建与动画驱动

对学生的期望：

具备相关领域的基础知识（如数据结构和算法、数学基础、英语表达能力），如有三维视觉或深度学习方向的知识与经历更佳。

具备良好的逻辑思维和自我驱动能力。

对于实习生希望能够实习六个月以上，并具有从事科研工作的热情。

081203-计算机应用技术
081104-模式识别与智能系统
085400-电子信息

三维深度学习
计算机视觉
计算机图形学

2012-09--2017-07   中国科学院大学自动化研究所   博士

   

2018-04~2020-10,新加坡-南洋理工大学, 研究学者
2017-12~2021-01,中国科学院大学人工智能学院, 博士后

   

（ 1 ） 三维模型自动折叠的方法, 发明专利, 2020, 第 2 作者, 专利号: ZL201710662255.8

（1） 端到端的无检测三维实例分割算法研究, End-to-end 3D Instance Segmentation without Detection, CVPR, 2020, 第 1 作者
（2） 基于L-系统推导的逆向过程建模, Inverse Procedural Modeling of Branching Structures by Inferring L-Systems, ACM Transaction on Graphics, 2020, 第 2 作者
（3） 基于选择表达式的过程建模系统研究, Selection Expressions for Procedural Modeling, IEEE TVCG, 2020, 第 1 作者
（4） 骨架敏感的三维人体形状重建, Skeleton-Aware Human Shape Reconstruction from 3D Point Clouds, ICCV, 2019, 第 1 作者
（5） 面向人脸运动单元分析的上下文特征与标签信息融合, Context-Aware Feature and Label Fusion for Facial Action Unit Intensity Estimation With Partially Labeled Data, ICCV, 2019, 第 2 作者
（6） 遮挡敏感的无监督密集光场估计, Unsupervised Dense Light Field Reconstruction with Occlusion Awareness, Computer Graphics Forum, 2019, 第 2 作者