SSIST 2016 参会总结--day1

ShanghaiTech Symposium on Information Science and Technology (SSIST) 2016 由上海科技大学承办，时间2016年6月23号到25日。主要有三大话题；Robotics, Virtual Reality, and Computing Theory and Systems 。在今年4月份武汉举办的VALSE 2016会议上，上海科技大学的虞晶怡教授对SSIST 2016做过宣传，他是SSIST 2016的主要组织者之一。大会现场的PPT：

这次会议的逼格还是挺高的，很多传说中的大牛都有报告。先看几个重磅特邀讲者：

另外还有很多国内外的大牛讲者，具体见官网讲者名单。
第一天的会议日程如下：


Session1主要关注计算机系统，几位讲者讲的非常精彩，不过不是我感兴趣的领域，所以听不大懂。简单介绍两位吧。
中科院计算所的Yungang Bao 教授做了关于软件定义网络结构的报告：

data center价格贵，但是利用率低，sharing可以提高利用率，下面是Google的方案：

但是sharing也会带来干扰问题

后面就是解决这些问题的，不太能听懂，就不贴图了。
Virginia 大学的David Evans教授做了Introduction to Secure Multi-Party Computation in Practice主题报告，用Alice和Bob作为例子生动描述：

然后具体讲了其方法，不明觉厉：

Session2关注的是基于图像的三维重建。两位讲者Yasuyuki Matsushita(Osaka U.)和Yasutaka Furukawa(WUSTL)连续做了两个小时的3D重建相关的原理、应用展示等，非常受用。Yasutaka Furukawa对3D重建从过去到现在的发展情况做了非常详细、生动的说明，PPT中大量的视频、实验结果等展示非常直观，因此在此主要对Yasutaka Furukawa的演讲内容做一下介绍。下面开启放图模式：

下图是基于图像的3D重建的发展历程，讲者后续一一进行了详细介绍。

首先介绍了基于图像的3D重建的基础：

通过不同视觉图像的特征点匹配得到三维信息：

下图介绍了Internet computer vision，利用互联网上San Marco Square的几千张图片对其进行三维重建：

由于不同图片尺寸千差万别，所以首先需要归一化图片，如何归一化？第一步就是聚类，下图中相同颜色的就代表将拍摄同一位置的图像进行聚类，然后再进行归一化、匹配等后续工作。

简单介绍了Google的分布式基于图像聚类的重建工作：

下面讲了一个程序员利用3D重建技术给一个龟壳破裂的大型陆龟造龟壳的故事，生动有趣：

以上都是针对纹理较多的图像，那么当纹理很少或几乎没有纹理时会发生什么呢？下图左即为标准方法做出的结果，简直惨不忍睹。下图右为改进过方法的结果：

改进主要是加入了先验知识：

下面给出了缺乏纹理的环境下3D重建的效果：

3D重建发展史，一晃到了2011年

室内环境下的3D重建相比室外还是有很多问题的，这里介绍了CSG model用于室内3D重建：

然后讲者又提出了问题：用Google街景想从A点快速移动到目标点B非常慢，而且需要一点点拖动，有没有更快的方法？3D重建可以直接从更加宏观的地图出发先找到B点所在位置，然后慢慢拖动就可以快速找到目标点。

那么，未来3D重建还有哪些值得研究的工作呢？主要是以下几点：

对下图右室内场景建模反向生成下图左的CAD模型图，如下

不同的颜色表示不同的部分

可以将不同的房间区分开：

甚至可以对反向生成的CAD图进行误差修改，重新设计：

3D重建未来还有很多应用场景：

最后看看讲者的导师、合作者吧，都是大牛哇！

很期待明天robotic，visual reality的讲者和内容，应该会非常精彩！