为加强研究生学术交流活动，推进学术创新，特开通“研究生学术报告预告区”。我校研究生和教师可以在预告区及时发布和了解有关研究生学术报告的信息，届时参加。也可就某学术报告展开专题讨论与交流。
我们提出了一种使用隐式字段来学习形状的生成模型的方法，并引入用于形状生成的隐式场解码器（称为IM-NET），旨在改善生成的形状的视觉质量。 隐式字段为3D空间中的每个点指定一个值，以便可以将形状提取为等值面。 训练IM-NET以通过二元分类器执行该分配。 具体地，它采用点坐标以及编码形状的特征向量，并输出指示该点是否在形状之外的值。 通过用于表示学习（通过IM-AE）和形状生成（通过IM-GAN）的隐式解码器替换传统解码器，我们展示了诸如生成形状建模，插值和单视图3D重建等任务的卓越结果，尤其是在视觉质量方面。