19 stycznia 2021 14:04
Michał Stypułkowski zwycięzcą konkursu BNY Mellon na pracę magisterską
Praca magisterska Michała Stypułkowskiego "Representing Point Clouds with Generative Conditional Invertible Flow Networks", napisana pod opieką Jana Chorowskiego, zajęła pierwsze miejsce w ogólnopolskim konkursie na pracę magisterską z matematyki stosowanej, organizowanym przez BNY Mellon.
Michał jest obecnie doktorantem w Instytucie Informatyki, m.in. prowadzi zajęcia z Machine Learning dla studentów data science.
Streszczenie pracy
Modele generatywne dla chmur punktów uważane są za obiecujący krok w kierunku inteligentnych systemów potrafiących generalizować zdobyte informacje o obiektach 3D. Inspiracją jest ludzka zdolność do postrzegania otoczenia w kontekście rozkładów różnych klas kształtów.
“Representing Point Clouds with Generative Conditional Invertible Flow Networks” wprowadza prostą i efektywną metodę reprezentowania chmur punktów jako zbiorów punktów pochodzących z rozkładu prawdopodobieństwa charakterystycznego dla danej chmury. Dokładniej, każda chmura jest reprezentowana jako sparametryzowany rozkład prawdopodobieństwa definiowany przez generatywną sieć neuronową. Aby wykorzystać podobieństwa między obiektami tych samych klas i poprawić wydajność modelu, jego wagi są współdzielone pomiędzy sieciami modelującymi rozkłady obiektów należących do tych samych rodzin, za wyjątkiem niewielkiego wektora definiowanego przez dany kształt.
W rezultacie model osiąga zbliżone lub lepsze wyniki ilościowe w porównaniu do obecnych metod, jednocześnie umożliwiając manipulacje na poziomie chmur, takie jak rekonstrukcje czy wyrównanie.