夏时洪 - 中国科学院大学 - 计算机科学与技术学院

个人简介

工作经历 2011—现在，中国科学院计算技术研究所，研究员；从事人体运动建模仿真研究，阶段成果曾获军队科技进步二等奖、教育部技术发明二等奖等奖励； 2009—2010，中国科学院计算技术研究所，副研究员；从事基于物理的人体运动建模研究； 2007—2008，Carnegie Mellon University，计算机学院与机器人研究所，访问学者；从事类人机器人与人体运动建模研究； 2004—2006，中国科学院计算技术研究所，副研究员；从事数字化技术与虚拟现实技术研究，项目成果获2006年度北京市科学技术奖一等奖； 2002—2003，中国科学院计算技术研究所，助理研究员；从事数字化技术研究，主要负责执行国家科技攻关计划奥运科技专项项目“数字化三维人体运动的计算机仿真研究”。教育经历 1999/09—2002/06，中国科学院大学，软件与理论，博士； 1996/09—1999/06，中国科学院大学，应用数学，理学硕士； 1992/09—1996/06，四川师范大学，数学，理学学士。项目资助北京市自然科学基金-海淀原始创新联合基金重点研究专题项目，基于单目RGB-D图像视频的运动人体实时动态一体化三维重建；中科院计算所-华为联合实验室项目，数字人的人脸动画技术合作项目；国家自然科学基金面上项目，基于单目RGB/RGBD相机的身体运动和面部运动同步捕获方法研究；国家科技支撑课题，国家应急演练仿真服务平台及应用示范；三星公司项目，视频驱动的真实感Avatar表情克隆；国家自然科学基金面上项目，风格化人体运动合成新方法研究，等。研究奖励面向体育训练的三维人体运动模拟与视频分析系统，北京市科学技术奖一等奖（排名第4）；虚拟人技术及其在载人航天中的应用，军队科技进步二等奖（排名第4）；数据驱动的人体运动建模仿真技术，中国仿真学会科学技术奖科技进步一等奖（排名第1）；人体运动捕获数据处理及重用技术，教育部科学技术奖技术发明二等奖（排名第2）；三维人体运动建模关键技术及应用，中国计算机学会科学技术奖技术发明一等奖（排名第1）。发明专利夏时洪等，一种三维人体运动的实时在线获取方法及其系统，201210270595.3；夏时洪等，一种人脸运动跟踪方法和系统以及一种增强现实方法，201110335178.8；夏时洪等，三维标记点序列的跟踪方法及其系统，ZL201010199191.0；夏时洪等，一种基于运动捕获数据的角色运动合成方法，ZL200710120122.4；夏时洪等，一种对人体运动捕获数据中的噪声和误差进行修正的方法，ZL200610113071.8；夏时洪等，一种基于三维数据库的运动对象运动重构方法，ZL200510055214.X。

研究领域

主要在计算机图形学与虚拟现实方向，从事人体运动建模仿真基础交叉研究，包括三维深度学习、物理建模与动力学控制、姿态估计与运动捕获、运动合成与运动控制、数字人建模与几何处理等。

近期论文

查看导师新发文章（温馨提示：请注意重名现象，建议点开原文通过作者单位确认）

虚拟人合成研究进展. 中国科学F辑, 2009, 39(5):483-498 人体运动的函数数据分析与合成. 软件学报, 2009, (06): 1664-1672 沉浸式虚拟装配中物体交互特征建模方法研究. 计算机研究与发展, 48(7): 1298-1306, 2011 基于二阶倒立摆的人体运动合成，计算机学报37(10): 2014, 2187-2195. 基于局部姿态先验的深度图像3D人体运动捕获方法. 软件学报，2016,27(S2):172-183 一种无标记的身体与面部运动同步捕获方法. 软件学报, 2019, 30(10): 3026-3036. Realtime Style Transfer for Unlabeled Heterogeneous Human Motion. ACM TOG (SIGGRAPH), 34(4), 119:1-119:10, 2015 Realtime 3D eye gaze animation using a single RGB camera. ACM TOG (SIGGRAPH), 35(4), 118:1-118:14, 2016 Efficient and Flexible Deformation Representation for Data-Driven Surface Modeling. ACM TOG, 35(5), 158:1-17, 2016 Data-driven Inverse Dynamics for Human Motion. ACM TOG (SIGGRAPH Asia), 35(6), 163:1-163:12, 2016 A Survey on Human Performance Capture and Animation. JCST. 32(3): 536-554, 2017. Templateless Non-rigid Reconstruction and Motion Tracking with a Single RGB-D Camera. IEEE TIP 26(12): 5966-5979, 2017 Mesh-based Autoencoders for Localized Deformation Component Analysis. AAAI, 2452-2459, 2018 Cascaded 3D Full-body Pose Regression from Single Depth Image at 100 FPS. IEEE VR, 431-438, 2018 Real-time 3D Face Reconstruction and Gaze Tracking for Virtual Reality. IEEE VR, 525-526, 2018 Variational Autoencoders for Deforming 3D Mesh Models. CVPR, 5841-5850, 2018 Automatic unpaired shape deformation transfer. ACM TOG (SIGGRAPH Asia), 37 (6), 1-15, 2018 Graph CNNs with Motif and Variable Temporal Block for Skeleton-based Action Recognition. AAAI, 8989-8996, 2019 Temporal Upsampling of Depth Maps Using a Hybrid Camera. IEEE TVCG 25(3): 1591-1602, 2019. Realtime and Accurate 3D Eye Gaze Capture with DCNN-based Iris and Pupil Segmentation. https://doi.org/10.1109/TVCG.2019.2938165 Combining Recurrent Neural Networks and Adversarial Training for Human Motion Synthesis and Control. http://doi.org/10.1109/TVCG.2019.2938520 Sparse Data Driven Mesh Deformation. http://doi.org/10.1109/TVCG.2019.2941200 Weakly Supervised Adversarial Learning for 3D Human Pose Estimation from Point Clouds. IEEE TVCG 26 (5), 1851-1859, 2020. DeepFaceDrawing: Deep Generation of Face Images from Sketches. ACM TOG (SIGGRAPH 2020), in press.