报告时间：2023年2月7日（星期二）9:30-11:00
报告地点：翡翠科教楼A座1106室
报 告 人：张宇伦 博士后研究员
工作单位：苏黎世联邦理工学院
举办单位：计算机与信息学院
报告简介：
基于深度学习的图像复原与合成，在当今计算机视觉领域扮演着基础而重要的角色。具有挑战性的是，如何设计高效的深度卷积神经网络提取高质量的特征，进行图像的复原与合成。对于图像复原，简述提出残差密集网络，并介绍residual in residual (RIR)结构来训练非常深的图像超分辨率网络，使得网络能学习到更多高频信息，并进一步研究注意力机制在图像复原任务中的应用。对于图像合成，面对高维深度特征降维可视化发现的风格深度特征多峰分布现象，将风格匹配问题归结为能量最小化问题并用图割的方法来求解，如此使得图像匹配中变换后的特征包含了更多空间语义信息，能提供更多视觉效果更好的风格化效果。此外，研究了高放大倍数下纹理迁移的图像合成问题。最后就近期工作给出个人浅见与展望。
报告人简介：
张宇伦，苏黎世联邦理工学院计算机视觉实验室博士后研究员。长期从事图像/视频复原与合成，生物医学图像分析，模型压缩，计算成像等。目前在计算机视觉，机器学习，多媒体等领域的国际期刊（如TPAMI）和会议（如CVPR, ICCV, ECCV, ICLR, NeurIPS）上发表学术论文50余篇。目前，谷歌学术引用10313余次，单篇一作论文引用2997余次。获得6项中国授权专利和3项美国授权专利，专利技术被应用到Adobe Photoshop软件。获得2015年IEEE VCIP最佳学生论文奖，2019年 IEEE ICCV RLQ Workshop最佳论文奖。担任CVPR 2023, ICCV 2023领域主席(AC)，IJCAI 2021-2022, AAAI 2023资深程序委员(SPC)，TPAMI, IJCV, ICCV, ECCV, ICLR, NeurIPS, ICML等期刊和会议审稿人。