南京大学计算机软件新技术国家重点实验室

摘 要：
图像复原在实际生活中有重要应用价值。基于深度学习的技术近年来也在图像复原中占据了主要的研究地位。然而，由于背景变化、光线改变等不可控因素，收集理想训练数据对在图像复原领域是很难实现的。已有的研究工作通过物理合成、图像渲染、图像匹配等不同方法得到了多种多样的训练数据库。本次报告主要针对多种退化模型（模糊、低分辨、水下成像、雨雾天气等）介绍了不同的基准数据集构建方法，并分别讨论了针对不同数据集的监督学习、融合先验知识的深度网络，以及半监督/无监督图像复原网络模型构建方法。
报告人简介:
任文琦，中国科学院信息工程研究所，信息安全国家重点实验室副研究员。曾在腾讯人工智能实验室、微软亚洲研究院访问研究。主要研究方向包括图像/视频恢复与增强等相关问题。在本领域内国际主要期刊和会议IEEE TPAMI/TIP、IJCV，CVPR/ICCV/ECCV/NeurIPS等发表学术论文40余篇。曾获中国计算机学会优秀博士论文奖、微软亚洲研究院“铸星计划”、北京市科协“青年人才托举工程”、以及北京市“科技新星”等。
时间：12月22日 10:00-10:45
地点：计算机科学技术楼230室