Planar Domain Parametrization Based on Deep Neural Network

报告人：陈发来(中国科学技术大学)

时间：2023年11月10日下午16:30-17:10

地点：海纳苑2幢312

摘要：Iso-geometric analysis (IGA) is a popular approach that integrates Computer Adied Design(CAD) and Computer Aided Engineering. A critical step in IGA is domain parameterization, which involves finding a mapping from the parametric domain to a specific computational domain. In this talk, we will apply deep neural network to train boundary correspondence and interior map. Examples are provided to demonstrate that the deep learning approach produces parametrization results with higher quality than the state-of-the-art methods. 

报告人简介：1982年进入中国科技大学数学系学习,分别于1987年、1989年、1994年获计算数学专业学士、硕士、博士学位。1995年任副教授，1998年晋升教授，1999年受聘博士生导师岗位。从1994年起分别到美国杨伯翰大学、美国Rice大学、香港科技大学、香港大学、新加坡国立大学、奥地利林茨大学等访问。现为中国科学技术大学数学系教授、博士生导师，计算数学学会常务理事，《Computer Aided Geometric Design》、《Visual Computer》，《计算机辅助设计与图形学学报》编委。曾两次获国家级教学成果二等奖。2001年获教育部高校青年教师奖。2002年获国家自然科学基金杰出青年基金。2003年获宝钢优秀教师奖特等奖。2008年获中科院优秀导师奖，中国计算机图形学杰出奖。2009年获冯康科学计算奖，新世纪百千万人才工程国家级人选。2010年获全国百篇优博论文指导教师。

联系人：蔺宏伟（hwlin@zju.edu.cn）