还在用高斯牛顿法？看看有全局最优保证的求解器！
点击下方卡片，关注「3D视觉工坊」公众号
选择星标，干货第一时间送达
3D视觉工坊很荣幸邀请到了西湖大学与浙江大学联合培养项目的博士生三年级研究生廖邦彦，为大家着重分享他们团队的工作。如果您有相关内容需要分享，欢迎文末联系我们。
直播信息
时间
2026年05月14日(周四)19：00
主题
面向三维视觉的全局求解器：从经典凸松弛到通用同伦范式
直播平台
3D视觉工坊视频号
点击按钮预约直播
3D视觉工坊哔哩哔哩也将同步直播
主讲嘉宾
廖邦彦
西湖大学与浙江大学联合培养项目的博士生三年级研究生
西湖大学与浙江大学联合培养项目的博士生三年级研究生，师从刘沛东教授。他在CVPR、ECCV、ICLR、NeurIPS以及IEEE TPAMI等顶级视觉与机器学习会议和期刊上共发表论文14篇，其中以（共同）第一作者身份发表9篇。成功获批国家自然科学基金（NSFC）青年学生基础研究项目（博士生）。并且获得了China3DV 2026 的学术新锐奖。他的研究深度聚焦于三维视觉中的多视图几何与全局优化问题。在其代表作GlobustVP中，他首次提出了针对曼哈顿世界中消失点估计的凸松弛算法。该成果不仅获得了满分评审，更入围了CVPR 2025的Award Candidate（排名前15/13008）。
个人主页：https://bangyan101.github.io/
直播大纲
在三维视觉中，几何优化问题通常具有高度非凸性，极易陷入局部最优。本报告将系统回顾我们在全局求解器领域的最新研究进展：从特定任务的经典凸松弛优化，到通用的神经同伦优化算法。首先，针对曼哈顿世界下的灭点估计任务，我们首次引入凸松弛技术与“截断多选误差”，实现了关联匹配与位置估计的高效、鲁棒联合求解（该工作获CVPR 2025最佳论文提名）。其次，为打破传统同伦算法严重依赖人工设计启发式规则的局限，我们将引入了神经预测-校正器（NPC）框架。该框架利用强化学习将优化规则转化为马尔可夫序列决策，实现了跨任务的高效泛化。最后，结合我们最新的领域综述，本报告将探讨如何将数据驱动先验与可证明优化深度融合，以构建真正值得信赖的视觉感知系统。
三维视觉中的全局求解器
凸松弛：曼哈顿世界下的鲁棒灭点估计
同伦方法：强化学习辅助的神经预测-修正器
未来方向
参与方式
注：3D视觉工坊很荣幸邀请到了西湖大学与浙江大学联合培养项目的博士生三年级研究生廖邦彦，为大家着重分享他们团队的工作。如果您有相关工作需要分享，欢迎联系微信：
cv3d009，请备注：宣传工作，则不予通过。