点击论坛跳转到相应位置
基于深度学习的影像增强
01
论坛简介、目的与意义
02
论坛日程
03
论坛嘉宾
董超 报告嘉宾
中国科学院深圳先进技术研究院副研究员、博士生导师
嘉宾简介：董超，中国科学院深圳先进技术研究院副研究员，博士生导师。博士毕业于香港中文大学信息工程专业。2014年，在欧洲计算机视觉大会（ECCV）上发表论文SRCNN，首次将深度学习引入图像超分辨领域。2017年-2020年，多次带队参加国际超分辨率比赛，共获得9项冠军。2016年-2018年就职于商汤科技，带领商汤超分团队开发了世界首款基于深度学习的数码变焦软件。2021年被斯坦福大学评选为世界前2%顶尖科学家。2022年入选AI 2000全球最具影响力人工智能学者。谷歌引用量超过2万次。主要研究方向包括图像视频超分辨率，去噪和画质增强等。团队主页: http://xpixel.group/
报告题目：图像超分辨率网络的泛化性分析
报告摘要：基于深度学习的图像超分辨率（超分）方法已经在各种限定条件下取得了出色的性能，但在现实场景中的泛化能力往往差强人意。我们针对超分网络的泛化性开展了细致的分析和研究。首先，我们从可解释性的角度出发，将泛化能力进行可视化。通过将网络中间特征进行降维和聚类（DDR），可以直观的看到网络对不同类别图像的处理差异，并从中发现网络泛化性差的原因。进一步，我们将上述发现进行量化，提出了第一个超分网络的泛化性指标（SRGA）。该指标利用了网络深度特征的统计特性，测量了不同数据集间处理的空间差异，与图像质量评价指标形成了互补。最后，我们引入了一种简单的方法（Dropout），可以有效的提升超分网络的泛化性能，并利用可解释性工具进行了分析和验证。
杨欢 报告嘉宾
微软亚洲研究院主管研究员
嘉宾简介：杨欢，2019年于上海交通大学毕业获得博士学位，同年加入微软亚洲研究院，现任职主管研究员。其研究领域包括图像复原，图像生成，在相关领域有数篇文章发表于CVPR，ICCV，ECCV，NeurIPS，ACM MM，TVCG等多个顶级会议和期刊。个人主页: https://www.microsoft.com/en-us/research/people/huayan/
报告题目：底层视觉任务中的Transformer网络设计
报告摘要：近年来基于Transformer的网络设计在计算机视觉等多个领域取得了优秀的成果。本次报告主要聚焦于底层视觉任务中的Transformer网络设计，分析不同任务对于Transformer网络中的核心组件——注意力机制的设计需求，有针对性地提出相应的解决方案。涉及的任务主要包括图像视频修复，图像风格迁移以及图像生成等。
倪张凯 报告嘉宾
同济大学电子与信息工程学院计算机科学与技术系助理教授
嘉宾简介：倪张凯，博士，同济大学电子与信息工程学院计算机科学与技术系助理教授。2021年10月，毕业于香港城市大学计算机科学专业，获哲学博士。2017年7月-2018年7月，于新加坡南洋理工大学电气与电子工程学院进行助理研究员研究。2021年10月-2021年12月，于香港城市大学计算机科学系进行博士后研究。研究领域包括基于感知的图像/视频处理，图像/视频质量评价，图像/视频增强等。累积发表论文20余篇，其中第一作者发表CCF A类论文6篇，授权2项中国发明专利。获得2018年中国电子学会优秀硕士学位论文。个人主页: https://eezkni.github.io/
报告题目：基于非配对学习的图像增强技术研究
报告摘要：图像增强不仅可以提升图像的美学质量还可以为各种高级视觉任务丰富信息量和改善可理解性。目前深度学习在图像增强任务方面的成功往往依赖于大规模成对的训练数据，但是图像增强的成对训练数据的获取往往十分困难。本报告将介绍报告人在基于非配对训练数据图像增强方面的研究，包括基于单一生成对抗网络的图像美学质量增强，基于质量注意力的美学图像增强以及基于循环交互生成对抗网络的低光照图像增强，仅需非配对的训练数据获得性能优异的图像增强模型。
郭晓杰 报告嘉宾
天津大学智能与计算学部特聘研究员、长聘副教授、博士生导师
嘉宾简介：郭晓杰，天津大学智能与计算学部特聘研究员、长聘副教授，博士生导师、北洋骨干教师，吴文俊人工智能科技奖优秀青年奖获奖者、IEEE/CCF Senior Member。他担任CVPR 2022 AC，IJCAI 2021 SPC及20余个一区/CCF A类期刊和会议评审。研究方向包括计算机视觉和模式识别，取得一系列成果，不仅为高性能图像质量增强与模式分析提供了科学依据和有效方案，而且也有效提升了智能体多源信号融合、恶劣条件环境感知等智能视觉系统的精度与实时性。主持参与国家自然科学基金/科技部研发计划/CCF-腾讯犀牛鸟基金等10余项。迄今在国际权威期刊和会议上发表论文80余篇，曾获得国际模式识别协会Piero Zamperoni Best Student Paper奖1项，多媒体旗舰会议ICME Best Student Paper Runner-up奖2项，中国模式识别计算机视觉大会PRCV Best Student Paper Runner-up奖1项，被OpenCV平台技术集成1项。更多信息请访问：https://sites.google.com/view/xjguo
报告题目：图像分解与融合
报告摘要：单图像的信息分解及多图像的信息融合在诸多视觉任务中起到关键作用。本次报告将首先针对“由一生多”的病态问题，从层级图像剥离（Hierarchical Image Peeling）、层级元素解耦（Hierarchical Decoupling）、双流信息交互(Dual-stream Interaction )等多角度介绍如何对图像的信息进行有效分解，并通过反射去除、低照度增强、本征分解、边缘检测、显著性检测、人脸重渲染等任务上验证其有效性。另外，本报告将介绍无监督条件下对于多状态多模态的图像融合策略，在提升图像美观度的同时可为下游任务提供更丰富可靠的视觉输入。
杨文瀚 主持人
鹏城实验室副研究员
嘉宾简介：杨文瀚，博士，鹏城实验室副研究员，鹏城实验室“鲲鹏”拔尖人才。2018年7月，毕业于北京大学信息科学技术学院计算机应用技术专业，获理学博士。2019年3月-2021年3月，于香港城市大学计算机科学系进行博士后研究。2021年4月-2022年9月，于新加坡南洋理工大学电气电子工程学院担任Wallenberg NTU校长博士后研究员。累计发表CCF A类论文30余篇，其中第一作者18篇，授权16项中国发明专利。获得了IEEE ICME-2020最佳论文奖，IFTC 2017最佳论文奖，ISCAS-2022 MSA-TC最佳论文奖，以及IEEE CVPR-2018 UG2挑战赛亚军奖，北京大学优秀博士学位论文，2019年CSIG最佳博士论文提名奖。曾任IEEE ICME-2021领域主席和会议主席，IEEE ICME-2022领域主席，IEEE CVPR-2019/2020/2021/2022 UG2+挑战赛及研讨会组织者。个人主页: https://flyywh.github.io/
