美文网首页
2020-0ECCV 首场论文解读直播!北大本科一作,带你破解图

2020-0ECCV 首场论文解读直播!北大本科一作,带你破解图

作者: AI研习社 | 来源:发表于2020-07-08 16:52 被阅读0次
    image

    在这个吃饭、跑步、旅游都要“photo first”的时代,分享图片,成为了我们日常生活中非常重头的部分。不过,在把自己精心拍摄的高清图片分享给好友或者上传到朋友圈、微博等社交平台上时,被服务器降低分辨率后的渣画质图片,想必也常让大家伤透了脑筋。

    为了适配不同分辨率的屏幕、节省存储或带宽等,图片常常进行降采样操作,而如何从降采样后的低分辨率图片恢复原始高清图片,一直是一个难以解决的问题。

    北大、微软亚洲研究院和多伦多大学合作的这项工作《Invertible Image Rescaling》,便尝试使用可逆神经网络(Invertible NN, INN)来解决此问题,为包括图像缩放等在内的信息丢失(Information Loss)问题提供了非常有前景的解决思路。这一工作成果也被ECCV2020收录为Oral 论文,其研究价值可见一斑。为了让大家详细了解这项工作的可逆框架建模方法以及模型设计、实验,AI 科技评论专门邀请到了一作肖命清同学来为大家做直播解读。据悉,肖命清同学刚从北大本科毕业,大家想不想了解本科阶段就开始发顶会论文是一种怎样的体验呢?7月10日晚上八点,大家不妨跟肖命清同学亲自侃一侃咯~

    分享主题:可逆图像缩放
    分享时间:7月10日(星期五)20:00
    分享嘉宾:肖命清,北京大学本科生,微软亚洲研究院实习生

    image

    分享内容: 图像的降采样缩放是对数字图像最常见的操作之一,比如为了适配不同分辨率的屏幕、节省存储或带宽等。然而,如何从一张降采样后的图像上采样恢复出原始的高分辨率图像,是一个非常有挑战的问题。

    本次分享将介绍最近被ECCV 2020录用为Oral的一项工作Invertible Image Rescaling,通过对图像的降采样和上采样进行可逆建模,从一个全新的视角解决这类问题。

    分享提纲:

    1. 问题背景介绍

    2. 可逆框架的建模方法

    3. 模型设计与实验

    4. 工作的前景

    如何加入?

    扫码关注[ AI研习社顶会小助手] 微信号,发送关键字“ECCV 2020+直播”,即可进群观看直播和获取课程资料。 image image

    相关文章

      网友评论

          本文标题:2020-0ECCV 首场论文解读直播!北大本科一作,带你破解图

          本文链接:https://www.haomeiwen.com/subject/nzlccktx.html