9月14日,“自主创新大讲堂”在深圳举行,本期活动主题为“基于深度学的图像复原与增强”,企业代表、专家齐聚,探讨行业最新发展。

据悉,活动由深圳市科学技术协会、中国科学院先进技术研究院主办,深圳市机器人协会、深圳市新一代信息通信产业集群承办。

计算机视觉是人工智能领域的前沿和焦点,自深度学算法开创以来,计算机视觉的各个任务都取得了前所未有的突破。图像复原和增强是经典的底层计算机视觉问题,在4k/8k视频、AI摄影、超清画质、AR/VR等领域有广泛应用。

本次报告,以图像复原和增强任务为切入点,回顾深度学算法的发展历程,阐述算法的优势与瓶颈,并展示最新的研究成果。本期沙龙主题为“基于深度学的图像复原与增强”,活动邀请中科院深圳先进院数字所董超副研究员作题为“图像超分辨率技术的发展与前景”的报告。同时,特邀深圳市腾讯PCG高级研究员王鑫涛博士、商汤科技高级研究员张佳维博士,分别就图像复原的退化模型和实际应用进行主题报告和交流。

会上,中科院深圳先进院副研究员董超以图像超分辨率技术的发展与前景为题进行分享。他表示,自2014年以来,超分辨率技术自可分为六条发展线路,包括超分网络、视觉超分、真实场景、可调复原、可解释以及超分比赛。

商汤科技研究员张佳维则表示,随着深度神经网络在计算机视觉中的运用越来越广泛,越来越多的深度神经网络结构也被用来解决退化图像恢复问题,但是他们往往忽略了退化模型。“将深度神经网络与传统退化图像恢复算法结合,才能更好地恢复图像。”他说。

腾讯研究员王鑫涛分享道,几年,图像复原,特别是图像超分辨率技术发展迅速,各种指标不断提高,视觉效果也在逐渐改进。但由于现实世界的降质过程复杂多样,它们距离实际应用仍然有较大的差距。“我们从实际应用的角度出发,尝试做了一些图像复原与增强的探索工作。一是人脸复原GFPGAN,利用人脸生成对抗网络的先验,辅助实际低质量人脸的修复及细节生成,能够有效解决大部分人脸场景。另一个是通用图像复原Real-ESRGAN,探索利用纯合成的方式,来解决实际的图像修复问题。”他说。

(记者 袁斯茹)

推荐内容