【编者按】
为进一步培养我校研究生创新能力，提高研究生综合素质，促进学校研究生教育内涵发展，特推出“优博风采”专栏，邀请校级及以上优秀博士学位论文获得者分享科研历程与学术体会、展示创新成果与学位论文等，旨在激励我校研究生秉持“不息为体，日新为道”校训精神，潜心研究、锐意创新。
本期专访人物：计算机科学与技术学科博士研究生 刘彩霞
所获奖励名称：2023年北京工业大学优秀博士学位论文
【脚踏实地，勤学苦思，稳定心态，不馁不弃】
回想读博的这段时光，心里充满感动和感恩。从科研小白到能够完成研究计划，虽然经历了太多次的挫折和沮丧，导致常常在睡梦中思考解决方案，但相应地，也得到了很多宝贵的机会，获得了很多人给予的鼓励和关怀。求学期间所取得的研究成果，除了自己的努力外，凝聚了太多老师、同学和朋友的心血，我真诚地感激帮助过我的所有人。感谢国家给予的资助，感谢工大提供的平台，让我学到了专业的科学文化知识，感受到了科研的魅力，使我在今后的人生道路上能够充满勇气和信心，一路前行。
【博士论文介绍】
论文中文题目：基于生成对抗网络的单视角三维重建方法研究
论文英文题目：RESEARCH ON SINGLE-VIEW 3D RECONSTRUCTION METHOD BASED ON GENERATIVE ADVERSARIAL NETWORK
作 者：刘彩霞
指导教师：孔德慧 教授
培养单位：信息学部
学 科：计算机科学与技术
论文主要贡献及创新点
论文面向单视角的对象三维重建开展研究，针对现有方法存在的问题，通过分析生成对抗模型在特征感知、优化目标和网络结构方面的特性，提出了四种三维模型重建方法，实现了精度更高的重建，在一定程度上拓展了其应用范畴。论文的主要工作和创新性成果如下：
1.针对现有三维物体重建方法特征提取内容单一的问题，提出基于多特征联合感知的生成对抗网络重建方法，提高了物体重建结果的完整度和保真度。
2.针对现有三维物体重建方法优化目标无法兼顾精度和计算效率的问题，提出基于全局与局部形状优化的生成对抗网络重建方法，提高了物体的重建精度和处理效率。
3.针对现有三维物体重建方法优化目标针对性不够强的问题，提出基于形状逻辑分区优化的生成对抗网络重建方法，提高了物体被遮挡部分的重建精度。
4.针对传统三维重建方法生成对抗能力不足且灵活性较差的问题，提出基于局部块平行优化的双生成对抗网络重建方法，有效提升了重建物体的局部细节质量，如下图所示。
图1对象重建结果及可视化展示
【博士期间代表性科研成果】
作者攻 博期间取得与博士学位论文密切相关的代表性成果（不超过5项） |
序号 |
成果名称 |
成果来源 |
获得时间 |
1 |
DLGAN: Depth-preserving latent generative adversarial network for 3D reconstruction |
IEEE Transactions on Multimedia，IF：6.513 |
2020.08 |
2 |
A spatial relationship preserving adversarial network for 3D reconstruction from a single depth view |
ACM Transactions on Multimedia Computing, Communications and Applications，IF：4.094 |
2022.02 |
3 |
Multi-scale latent feature-aware network for logical partition based 3D voxel reconstruction |
Neurocomputing,IF:5.779 |
2023.03 |
4 |
Deep 3D reconstruction: methods data and challenges |
Frontiers of Information Technology & Electronic Engineering,IF:2.526 |
2021.05 |
5 |
Latent feature-aware and local structure-preserving network for 3D completion from a single depth view |
The 30th International Conference on Artificial Neural Networks, ICANN 2021 |
2021.09 |
【与导师合影】
（图文：刘彩霞；排版：陈柳兵；编辑：胡春瀛；审核：高春娣、韩红桂）
