摘要

       近日，中国计算机图形学大会（Chinagraph）2020年度“图形开源奖”评选结果揭晓。香港中文大学（深圳）理工学院、未来智联网络研究院、深圳市大数据研究院韩晓光博士团队工作Deep Fashion3D数据集荣获Chinagraph“图形开源数据集奖”。

       奖项简介

       中国计算机图形学大会(Chinagraph) 由中国计算机学会、中国自动化学会、中国图学学会、中国图象图形学会、中国系统仿真学会、香港多媒体及图像计算学会于1996年发起主办，迄今已举办12届，是中国计算机图形学界最高级别的学术会议。

       大会今年首次设立“图形开源奖”，目的是为了表彰向公众提供计算机图形学相关的开源软件和开源数据集的华人学者、企业同仁或学生。开源的图形基础代码库、应用算法库、图形数据集能够普及图形学的应用范围，其贡献者的分享精神能帮助他人快速验证已有方法、提升计算机图形学领域的影响力。

        Deep Fashion3D 项目简介

       由我校韩晓光博士团队提出的数据集Deep Fashion3D是目前最大的真实三维服装数据集，它包含从10类共563件真实服装采集的2078个高清晰度三维服装点云模型, 在服装种类以及数量方面远多于其他开源三维服装数据集。

       此外，为进一步帮助研究人员展开三维服装重建方面的研究，韩晓光博士团队在Deep Fashion3D数据集中加入了三维服装特征线、服装姿态以及真实服装图像等标注，在标注丰富性方面远优于现有的开放三维服装数据集。特别的，团队首次提出了三维服装特征线的标注方式，它展现了三维服装最具代表性的领口、袖口、肩部、服装下摆等位置，为三维服装重建等相关任务提供了重要的位置信息。

       自Deep Fashion3D数据集发布一个月以来，该数据集已吸引国内外五十余所高校以及企业研究者的广泛关注，对于三维视觉与图形学领域未来的发展具有重要意义。

       除Deep Fashion3D数据集外，研究组依托Deep Fashion3D数据集，提出了一种新颖的单幅图像三维服装重建方法。该方法通过将显式网格表示方法与隐式形状表示方法相结合，实现了高保真的服装重建：在显示网格表示方法对应的分支中，模型根据输入图像生成三维服装特征线，用于引导服装模板网格形变至与图像中服装宏观形状相近的形态；在隐式形状表示方法对应的分支中，模型通过输入图像预测服装表面的高频细节。最终，通过将隐式分支中生成的服装高频细节迁移至显式分支生成的服装模板网格，完成具有准确宏观性状且细节丰富的服装网格重建。

       在计算机视觉领域三大顶级会议之一ECCV2020 中，Deep Fashion3D项目对应的文章“Deep Fashion3D: A Dataset and Benchmark for 3D Garment Reconstruction from Single Images”被录取为口头报告文章(Top 2%)。

       韩晓光博士简介

韩晓光博士

理工学院助理教授

       韩晓光，博士，现任香港中文大学(深圳)助理教授以及深圳市大数据研究院研究科学家，其研究方向包括计算机视觉、计算机图形学、虚拟现实和医疗图像处理等，在该方向著名国际期刊和会议发表论文近40篇，包括顶级会议和期刊SIGGRAPH, CVPR, ICCV, AAAI, ACM TOG, IEEE TIP, IEEE TVCG等。他的工作曾获得计算机图形学顶级会议Siggraph Asia 2013新兴技术最佳演示奖，入选2016年年度最佳计算论文之一，以及2019年和2020年计算机视觉顶级会议CVPR连续两年入选最佳论文提名（入选率分别为0.8%和0.4%），他的团队于2018年11月获得IEEE ICDM 全球气象挑战赛冠军（参赛队伍1700多）。