VALSE

VALSE 首页 活动通知 查看内容

20200527-13 图像质量评价:感知建模VS机器学习

2020-5-21 17:03| 发布者: 程一-计算所| 查看: 3814| 评论: 0

摘要: 报告时间:2020年05月27日(星期三)晚上20:00(北京时间)主题:图像质量评价:感知建模VS机器学习报告主持人:吴庆波(电子科技大学)报告嘉宾:李雷达(西安电子科技大学)报告题目:个性化图像美学评价报告嘉宾 ...

报告时间:2020年05月27日(星期三)晚上20:00(北京时间)

主题:图像质量评价:感知建模VS机器学习

报告主持人:吴庆波(电子科技大学)


报告嘉宾:李雷达(西安电子科技大学)

报告题目:个性化图像美学评价


报告嘉宾:马柯德(香港城市大学)

报告题目:图像质量评价:结构相似性与纹理相似性的统一


Panel议题:

1. 现有算法在经典图像质量评价数据库已经取得极高的精度,IQA已经是一个solved problem吗?有哪些已经获得工业界认可并广泛应用的IQA模型?何时可以说IQA是一个solved problem?

2. 深度学习已经广泛应用到IQA研究中,但相应的大尺度公开数据集则极其有限。有哪些方法可以破解当前IQA研究的数据困局呢?

3. 无参考模型是否如众多文献中展示的一样,其性能已经优于全参考模型?全参考与无参考模型相比,哪类模型进一步提升和探索的空间更大?

4. 图像质量评价的实际应用情况如何?有哪些工业界亟待解决的图像质量评价需求?

5. 现有脑电信号EEG能为IQA的感知建模提供哪些帮助?脑电传感器与计算模型,谁能成为解决IQA问题的终极答案?

6. 针对IQA的深度学习研究中,有哪些独有的特点需要在深度神经网络的构建中特别关注?


Panel嘉宾:

李雷达(西安电子科技大学)、马柯德(香港城市大学)、王诗淇(香港城市大学)、吴金建(西安电子科技大学)、徐迈(北京航空航天大学)


*欢迎大家在下方留言提出主题相关问题,主持人和panel嘉宾会从中选择若干热度高的问题加入panel议题!

报告嘉宾:李雷达(西安电子科技大学)

报告时间:2020年5月27日(星期三)晚上20:00(北京时间)

报告题目:个性化图像美学评价


报告人简介:

李雷达,博士,西安电子科技大学人工智能学院教授、博士生导师。2004年和2009年分别获西安电子科技大学学士和博士学位;2014年1月至2015年1月,新加坡南洋理工大学访问学者;2016年7月至2017年7月,新加坡南洋理工大学高级研究员。入选陕西省青年千人、西安电子科技大学"华山学者"等。现为国际期刊Journal of Visual Communication and Image Representation和EURASIP Journal on Image and Video Processing副编辑。主要研究方向为图像与视频质量评价、视觉情感分析、图像信息安全等,在IEEE TIP、TCYB、TMM、TCSVT、TIFS、TIE、CVPR、ACM MM、IJCAI等国内外期刊和会议上发表论文100余篇,Google引用2500余次;主持国家自然科学基金项目3项。在视频质量评价方向的研究成果应用于腾讯会议中。


个人主页:

https://web.xidian.edu.cn/ldli/


报告摘要:

“美丽经济”已经渗透到人们生产生活的方方面面,图像美学质量评价(Image Aesthetic Quality Assessment, IAQA)在摄影摄像、图像增强、智能相册管理、广告设计等众多领域都有广阔的应用需求,已经成为近年来视觉内容理解中的研究热点之一。传统的图像美学评价模型主要面向大众化用户建立。然而,这些大众化图像美学评价模型忽略了一个事实,即用户的审美情趣往往受其个人偏好的影响,因此图像美学质量评价中本身存在着较强的主观性。本次报告将介绍我们近期在个性化图像美学评价方面的研究进展,包括性格引导下的个性化图像美学评价和基于元学习的个性化图像美学评价,重点探讨美学评价中的用户个性特征挖掘和美学评价元知识的表达。


参考文献:

[1] Leida Li, Hancheng Zhu, Sicheng Zhao, Guiguang Ding, Weisi Lin, “Personality-assisted Multi-task Learning for Generic and Personalized Image Aesthetics Assessment," IEEE Transactions on Image Processing, vol. 29, pp. 3898-3910, 2020.

[2] Hancheng Zhu, Leida Li*, Jinjian Wu, Sicheng Zhao, Guiguang Ding, Guangming Shi, “Personalized Image Aesthetics Assessment via Meta-learning with Bi-level Gradient Optimization," IEEE Transactions on Cybernetics, DOI: 10.1109/TCYB.2020.2984670, 2020.

[3] Hancheng Zhu, Leida Li*, Jinjian Wu, Weisheng Dong, Guangming Shi, “MetaIQA: Deep Meta-learning for No-Reference Image Quality Assessment," in Proc. IEEE Conference on Computer Vision and Pattern Recognition (CVPR 2020), Washington, USA, June 2020.

报告嘉宾:马柯德(香港城市大学)

报告时间:2020年5月27日(星期三)晚上20:30(北京时间)

报告题目:图像质量评价:结构相似性与纹理相似性的统一


报告人简介:

马柯德,香港城市大学计算机系助理教授、博士生导师。2012年于中国科学技术大学获得学士学位;2017年于加拿大滑铁卢大学获得博士学位。2017年12月至2019年3月于霍华德·休斯医学研究所和美国纽约大学神经科学系从事博士后研究。研究兴趣为感知图像处理、计算视觉、计算影像及多媒体安全。在IEEE TPAMI、TIP、JSTSP、TCSVT、TCI、CVPR、ICLR等国际期刊和会议中发表/录用论文20余篇。


个人主页:

https://kedema.org


报告摘要:

图像质量评价领域经历了均方误差超过50年的统治,到15年前结构相似性的转变,再到近5年来基于端到端深度学习的兴起,未来该领域研究又将如何发展,值得思考。本次报告分为三部分,第一部分将回顾近20年来全参考图像质量评价的进展,并重点指出大多数算法在设计过程中的一个共同缺陷;第二部分将介绍一个全新的能同时度量结构相似性与纹理相似性的全参考图像质量评价算法;最后一部分将探讨如何基于生成式分析的思想检验全参考图像质量评价算法的泛化性。


参考文献:

[1] Keyan Ding, Kede Ma, Shiqi Wang, and Eero P. Simoncelli, "Image Quality Assessment: Unifying Structure and Texture Similarity," ArXiv eprint 2004.07728, 2020.

[2] Keyan Ding, Kede Ma, Shiqi Wang, and Eero P. Simoncelli, "Comparison of Image Quality Models for Optimization of Image Processing Systems," ArXiv eprint 2005.01338, 2020.

Panel嘉宾:王诗淇(香港城市大学)


嘉宾简介:

王诗淇,香港城市大学计算机系助理教授、博士生导师。研究兴趣为视频压缩、质量评价与分析。2014年于北京大学获得博士学位,先后于加拿大滑铁卢大学和新加坡南洋理工大学从事博士后研究。在IEEE TPAMI、JSAC、JSTSP、TIP、TMM、TCSVT等国际重要期刊和会议中发表/录用论文100余篇,主持香港研究资助局(RGC)、科技创新署(ITF)多项项目。3次获得国际会议最佳论文奖,1次获得IEEE国际期刊最佳论文奖。


个人主页:

https://www.cs.cityu.edu.hk/~shiqwang/

Panel嘉宾:吴金建(西安电子科技大学)


嘉宾简介:

吴金建,男,现为西安电子科技大学教授、博导。分别于2008年、2014年获得西安电子科技大学学士、博士学位,2019年破格晋升教授。2011年9月至2014年8月,赴新加坡南洋理工大学从事助理研究员、博士后研究员工作。获国家自然科学奖二等、陕西省高校青年杰出人才、陕西省青年科技新星、陕西省优秀博士论文等。面向人工智能国家战略及重大需求,长期从事仿生成像、类脑识别、仿脑评价等方面的理论和应用研究。主持军科委国防创新项目、国家自然基金面上、教育部与装备发展部联合基金青年人才项目等多项国家课题,协同主持国家自然基金重点项目、十三五航天预研项目、高等学校博士学科点专项科研基金等项目,开发出多套智能信息处理系统并交付使用。已发表相关学术论文60余篇(第一作者40余篇),其中SCI源期刊论文40余篇,三篇入选ESI高被引论文,获IEEE电路与系统旗舰会议ISCAS2013“最佳学生论文奖”。


个人主页:

https://web.xidian.edu.cn/wjj/

Panel嘉宾:徐迈(北京航空航天大学)


嘉宾简介:

徐迈,北京航空航天大学电子信息工程学院教授、博士生导师、教育部青年长江学者、IEEE高级会员、中国电子学会高级会员、微软亚洲研究院客座研究员。2019年获国家自然科学基金委优青青年基金资助、2016年获教育部霍英东青年基金资助,2014年入选微软亚洲研究院“青年教师铸星”计划。研究兴趣为视频压缩与传输、图像处理。近五年,在IEEE TPAMI、JSAC、JSTSP、TIP、TMM、TCSVT等国际顶级期刊及CVPR、ICCV、ECCV、ACM MM、AAAI、DCC等顶级会议上发表论文100+篇(均为SCI/EI检索,IEEE期刊论文40余篇),获IEEE国际会议最佳论文奖3次,会议最佳论文提名1项。


个人主页:

http://shi.buaa.edu.cn/MaiXu/zh_CN/index.htm

主持人:吴庆波(电子科技大学)


主持人简介:

吴庆波,男,博士,电子科技大学副教授、硕士生导师。2015年,于电子科技大学获得信号与信息处理专业博士学位。在入职电子科技大学前,先后在香港中文大学担任助研和加拿大滑铁卢大学联合培养。吴庆波副教授于2018年入选电子科技大学“基础研究星火计划”,并于同年获电子科技大学“学术新人奖”,四川省科技进步二等奖。其研究领域主要集中于图像视频质量评价理论、图像增强与恢复模型、感知驱动的图像内容分析等。发表论文90余篇,包括CVPR、ECCV、ACM MM、IEEE TPAMI、TIP、TCSVT、TMM等国际重要会议与期刊等。


个人主页:

http://ivipc.uestc.edu.cn/aprofessor/201812/76.html


20-13期VALSE在线学术报告参与方式:


长按或扫描下方二维码,关注“VALSE”微信公众号(valse_wechat),后台回复“13期”,获取直播地址。



特别鸣谢本次Webinar主要组织者:

主办AC:吴庆波(电子科技大学)

协办AC:李雷达(西安电子科技大学)


VALSE Webinar改版说明:

自2019年1月起,VALSE Webinar改革活动形式,由过去每次一个讲者的方式改为两种可能的形式:

1)Webinar专题研讨:每次活动有一个研讨主题,先邀请两位主题相关的优秀讲者做专题报告(每人30分钟),随后邀请额外的2~3位嘉宾共同就研讨主题进行讨论(30分钟)。

2)Webinar特邀报告:每次活动邀请一位资深专家主讲,就其在自己熟悉领域的科研工作进行系统深入的介绍,报告时间50分钟,主持人与主讲人互动10分钟,自由问答10分钟。


活动参与方式:

1、VALSE Webinar活动依托在线直播平台进行,活动时讲者会上传PPT或共享屏幕,听众可以看到Slides,听到讲者的语音,并通过聊天功能与讲者交互;

2、为参加活动,请关注VALSE微信公众号:valse_wechat 或加入VALSE QQ群(目前A、B、C、D、E、F、G、H、I、J、K群已满,除讲者等嘉宾外,只能申请加入VALSE M群,群号:531846386);

*注:申请加入VALSE QQ群时需验证姓名、单位和身份,缺一不可。入群后,请实名,姓名身份单位。身份:学校及科研单位人员T;企业研发I;博士D;硕士M。

3、在活动开始前5分钟左右,讲者会开启直播,听众点击直播链接即可参加活动,支持安装Windows系统的电脑、MAC电脑、手机等设备;

4、活动过程中,请不要说无关话语,以免影响活动正常进行;

5、活动过程中,如出现听不到或看不到视频等问题,建议退出再重新进入,一般都能解决问题;

6、建议务必在速度较快的网络上参加活动,优先采用有线网络连接;

7、VALSE微信公众号会在每周四发布下一周Webinar报告的通知及直播链接。

8、Webinar报告的PPT(经讲者允许后),会在VALSE官网每期报告通知的最下方更新[slides]

9、Webinar报告的视频(经讲者允许后),会更新在VALSE爱奇艺、B站、西瓜视频,请在搜索Valse Webinar进行观看。


李雷达 [slides]

马柯德 [slides]

小黑屋|手机版|Archiver|Vision And Learning SEminar

GMT+8, 2024-4-26 21:38 , Processed in 0.015901 second(s), 14 queries .

Powered by Discuz! X3.4

Copyright © 2001-2020, Tencent Cloud.

返回顶部