5月31日上午9点,英国正版365官方网站第三十期研究生学术论坛在崇真楼南楼A4030成功举办。本次论坛由学院研究生会主办，由2022级研究生苗佳哲，2021级研究生李攀、文炎芳和蒋博闻主讲。
苗佳哲的报告题目是“GVPM: Garment simulation from video based on priori movements”。他简要介绍了目前3D服装动画制作的方法及其不足，为此，他提出了GVPM，它可以从单目视频中学习到可变形的3D服装模型。首先从单目视频帧中恢复姿态网格，提取人体和服装的语义信息，并学习了对视频中的时间相干性进行建模，对恢复的网格施加几何一致性。他提出，先验运动生成模型可缓解视频前后帧之间的过渡不平滑问题，然后训练出一个基于物理的服装模型，这个模型可以准确预测视频中的服装如何根据人体姿势而发生变形的。最后设置出一个时空线索注意力优化模块。该模块可以将动作、关节、形态等联合起来去优化动态服装变形。实验结果显示，该方法能够实现虚拟与现实世界行为相近的3D服装动画仿真。
李攀的报告题目是“LTMVSNet: A Lightweight Multi-view Stereo network with Transformer”。他指出：基于学习的多视图立体方法将源图像单应性变换到参考图像中形成三维体，并将其融合为代价体，由后续网络进行正则化。融合步骤在连接二维语义和三维空间关联方面起着至关重要的作用。然而，以前的方法利用额外的网络来学习二维信息作为融合线索，没有充分利用三维空间相关性，带来额外的计算成本。因此，他提出了LTMVS，利用所提出的聚合Transformer来有效地学习2D语义和3D空间关联，能够实现能好的效果。
文炎芳的报告题目是“基于多模态信息的服装草图到图像生成方法研究”。他指出，大多数方法只包含单一的条件信息，不能根据草图笔画生成服装的褶皱，面临着低保真度的问题。于是他提出一个两阶段的多模态框架，将文本和草图作为条件信息共同指导生成服装图像。该方法通过改进现有的向量量化编码方法，可以重建服装图像的细节和褶皱，在单模态和多模态任务中都能生成高保真度的服装图像。
蒋博闻的报告题目是“基于优化YOLOv5s模型的现代汉服风格检测方法”。他指出，随着近年来汉服文化的推广，融合了传统汉服文化和当代时尚元素的现代汉服正引发越来越多人的关注。然而，大多数汉服爱好者并不能快速准确识别现代汉服的风格信息。为了普及汉服文化，他提出一种现代汉服风格检测算法，以辅助判断汉服风格，该算法在YOLOv5s模型的基础上，通过对模型和函数的改进和优化，达到实时且准确辨识汉服的风格，对传承发展中国优秀传统文化提供可靠的技术支持。
