5月31日上午9點,k8凯发国际與人工智能學院第三十期研究生學術論壇在崇真樓南樓A4030成功舉辦。本次論壇由學院研究生會主辦，由2022級研究生苗佳哲，2021級研究生李攀、文炎芳和蔣博聞主講。

苗佳哲的報告題目是「GVPM: Garment simulation from video based on priori movements」。他簡要介紹了目前3D服裝動畫製作的方法及其不足，為此，他提出了GVPM，它可以從單目視頻中學習到可變形的3D服裝模型。首先從單目視頻幀中恢復姿態網格，提取人體和服裝的語義信息，並學習了對視頻中的時間相干性進行建模，對恢復的網格施加幾何一致性。他提出，先驗運動生成模型可緩解視頻前後幀之間的過渡不平滑問題，然後訓練出一個基於物理的服裝模型，這個模型可以準確預測視頻中的服裝如何根據人體姿勢而發生變形的。最後設置出一個時空線索注意力優化模塊。該模塊可以將動作、關節、形態等聯合起來去優化動態服裝變形。實驗結果顯示，該方法能夠實現虛擬與現實世界行為相近的3D服裝動畫仿真。

李攀的報告題目是「LTMVSNet: A Lightweight Multi-view Stereo network with Transformer」。他指出：基於學習的多視圖立體方法將源圖像單應性變換到參考圖像中形成三維體，並將其融合為代價體，由後續網絡進行正則化。融合步驟在連接二維語義和三維空間關聯方面起着至關重要的作用。然而，以前的方法利用額外的網絡來學習二維信息作為融合線索，沒有充分利用三維空間相關性，帶來額外的計算成本。因此，他提出了LTMVS，利用所提出的聚合Transformer來有效地學習2D語義和3D空間關聯，能夠實現能好的效果。

文炎芳的報告題目是「基於多模態信息的服裝草圖到圖像生成方法研究」。他指出，大多數方法只包含單一的條件信息，不能根據草圖筆畫生成服裝的褶皺，面臨着低保真度的問題。於是他提出一個兩階段的多模態框架，將文本和草圖作為條件信息共同指導生成服裝圖像。該方法通過改進現有的向量量化編碼方法，可以重建服裝圖像的細節和褶皺，在單模態和多模態任務中都能生成高保真度的服裝圖像。

蔣博聞的報告題目是「基於優化YOLOv5s模型的現代漢服風格檢測方法」。他指出，隨着近年來漢服文化的推廣，融合了傳統漢服文化和當代時尚元素的現代漢服正引發越來越多人的關注。然而，大多數漢服愛好者並不能快速準確識別現代漢服的風格信息。為了普及漢服文化，他提出一種現代漢服風格檢測算法，以輔助判斷漢服風格，該算法在YOLOv5s模型的基礎上，通過對模型和函數的改進和優化，達到實時且準確辨識漢服的風格，對傳承發展中國優秀傳統文化提供可靠的技術支持。