郭向林

    姓名: 郭向林

  职称: 讲师

  E-Mail:[email protected] 

 主要研究方向:计算机视觉、计算机图形学和深度学习的交叉领域研究 


2022年毕业于南京航空航天大学,获工学博士学位。同年加入二肖二码长期免费公开,硕士生导师。主要从事计算机视觉、计算机图形学和深度学习的交叉领域研究。

专注领域与研究方向 

计算机视觉:基于深度生成模型的图像与视频生成与编辑

致力于运用先进的深度学习和扩散模型理论,对图像和视频内容进行高效、高保真度的生成与编辑,旨在提升视觉内容创造的智能化水平,并探索其在虚拟/增强现实、影视制作及视觉艺术等领域的实际应用价值。

计算机图形学:基于辐射场表示的3D 场景生成与重建、定位与建图、理解与编辑

深入探究利用辐射场信息来精确构建和解析三维场景的技术方法,包括但不限于复杂几何提取与补全、新颖视角合成以及基于物理的可微渲染技术。同时,在三维空间感知与理解方面,力求实现对复杂场景的智能识别、实时定位和灵活编辑功能。

所授课程 

《计算机组成原理》、《机器学习》、《智能计算系统》

学术服务 

会议审稿 : Symposium on Geometry Processing,Pacific Graphics.

期刊审稿 : Pattern Recognition (Letter), Neurocomputing.

代表性科研成果 

[1] Xianglin Guo, et.al. “Steerable Graph Neural Network on Point Clouds via Second-Order Random Walks,” IEEE Trans. on Multimedia (2023) (SCI一区,影响因子: 7.34)

[2] Xianglin Guo, et.al. “Robust Low-Rank Subspace Segmentation with Finite Mixture Noise,” Pattern Recognition 93 : 55-67 (2021) (SCI一区,影响因子: 8.56)

[3] Xianglin Guo, et.al. “Mesh Defiltering via Cascaded Geometry Recovery,” Computer Graphics Forum 38(7): 591-605 (2020), (CCF B,影响因子: 2.52)

[4] Xingyu Xie, Xianglin Guo, et.al. “Implicit Block Diagonal Low-Rank Representation,” IEEE Trans. Image Processing 27(1): 477-489 (2019), (CCF A,影响因子: 11.41).

研究生培养 

导师长期在科研一线,近5年来以第一作者身份发表TIP、TMM、PR、CGF等多篇期刊论文,能够提供从idea到实验再到写作的全方位指导,对于有能力的同学,提供充分的研究自由度。

技能与特长要求 

获得计算机/电子信息相关学位;

熟练掌握计算机视觉和图形学相关的编程语言(如Python/C++/CUDA)和开发工具;

深入了解深度学习框架(如PyTorch/JAX/Jittor)及其在视觉和图形学任务上的应用;

具备扎实的数学基础和优化算法知识,能够解决复杂问题的建模与求解

备注 

提供良好的科研环境与学术指导,支持学生参加国内外学术交流。进一步深化在计算机视觉与计算机图形学交叉领域的研究工作。表现优异者,可推荐攻读博士学位。期待感兴趣的同学与我联系。

Feel free to contact me by E-Mail: [email protected]; Tel: 18251920626