20200610-15 图像复原-去伪存真

报告时间：2020年06月10日（星期三）晚上20:00（北京时间）

主题：图像复原-去伪存真

主持人：赵文达（大连理工大学）

报告嘉宾：顾舒航（悉尼大学）

报告题目：面向真实应用的图像复原与增强

报告嘉宾：Renjie Wan (Nanyang Technological University)

报告题目：Reflection scene separation from a single image

Panel议题：

1. 如何看待NAS在图像复原问题的应用？未来是否可能取代手工设计网络？

2. 图像复原领域真正想要的评价指标应该是什么样的？它与现有的评价指标有什么差异？

3. GAN在真实的图像复原领域到底扮演了一个什么样的角色？未来又可能如何发展？

4. 图像复原在实际落地中，有哪些挑战，学术界是如何来应对的，未来会有什么新的探索？

5. 基于深度学习的底层图像复原任务，是否可以结合一些高层任务进行辅助，提高性能？

Panel嘉宾：

顾舒航（悉尼大学）、Renjie Wan（Nanyang Technological University）、潘金山（南京理工大学）、董超（中国科学院深圳先进技术研究院）、朱磊（香港中文大学）

*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：顾舒航（悉尼大学）

报告时间：2020年06月10日（星期三）晚上20:00（北京时间）

报告题目：面向真实应用的图像复原与增强

报告人简介：

顾舒航，现任悉尼大学讲师。2017年获得香港理工大学博士学位，主要研究方向为图像复原与增强。在TPAMI，IJCV，CVPR，ICCV, NeurIPS等重要学术期刊和会议上发表论文20余篇，谷歌学术引用3200余次。

个人主页：

https://shuhanggu.github.io/

报告摘要：

近年来，深度学习方法被广泛用于解决图像复原与增强问题，并在多个复原问题上取得了巨大成功。伴随着深度学习方法在经典仿真设定上的巨大突破，如何将深度学习方法部署于实际系统中，逐渐成为领域内的研究热点。本报告将介绍本人过去两年来针对实际应用场景的复原问题进行的研究，包括在不同复原任务中解决缺少成对训练数据，平台算力有限等问题的探索。此外，报告还将探讨现有方法在真实场景中的不足及改进方向。

报告嘉宾：Renjie Wan (Nanyang Technological University)

报告时间：2020年06月10日（星期三）晚上20:30（北京时间）

报告题目：Reflection scene separation from a single image

报告人简介：

Renjie Wan received his B.S. degree from University of Electronic Science and Technology of China in 2012 and the Ph.D. degree from NanYang Technological University,Singapore, in 2019. He is currently a research fellow in NTU,Singapore. He is the outstanding reviewer of ICCV2019 and the recipient of the Microsoft CRSF Award.

个人主页：

https://wanrenjie.github.io

报告摘要：

For images taken through glass, existing methods focus on the restoration of the background scene by regarding the reflection components as noise. However, the scene reflected by glass surface also contains important information to be recovered, especially for the surveillance or criminal investigations. In this paper, instead of removing reflection components from the mixture image, we aim at recovering reflection scenes from the mixture image. We first propose a strategy to obtain such ground truth and its corresponding input images. Then, we propose a two-stage framework to obtain the visible reflection scene from the mixture image. Specifically, we train the network with a shift-invariant loss which is robust to misalignment between the input and output images. The experimental results show that our proposed method achieves promising results.

参考文献：

[1] Reflection scene separation from a single image, Renjie Wan, Boxin Shi, Haoliang Li, Lingyu Duan, Alex C. Kot, CVPR 2020.

Panel嘉宾：潘金山（南京理工大学）

嘉宾简介：

潘金山，南京理工大学计算机学院教授、博士生导师。主要从事图像去模糊、图像复原等相关底层视觉问题的研究。在权威期刊和会议上发表论文50余篇，其中CCF推荐A类论文30余篇。所发表论文在Google Scholar中被引用2800余次，H-因子为24。曾获中国人工智能学会优秀博士学位论文奖以及辽宁省优秀博士学位论文奖。2019年获得国家优秀青年科学基金资助。

个人主页：

https://jspan.github.io/

Panel嘉宾：董超（中国科学院深圳先进技术研究院）

嘉宾简介：

董超，博士，副研究员， 2012-2016年就读于香港中文大学信息工程专业，获博士学位。2014年9月，在欧洲计算机视觉大会（ECCV）上发表论文SRCNN，首次将深度学习引入图像超分辨领域。2017年-2019年，带队参加国际超分辨率比赛NIRTE17, NIRTE18，PIRM18和NTIRE19，共获得7项冠军和1项亚军。2016年-2018年就职于商汤科技集团，任高级研究经理，带领商汤超分团队开发了世界首款基于深度学习的数码变焦软件。2018年6月全职加入中科院深圳先进技术研究院，成立XPixel画质团队，专注于底层机器视觉和图像处理。现担任视觉与学习青年学者研讨会（VALSE）执行AC、IEEE JSTSP期刊编委，中国科学院青促会会员，期刊TPAMI/IJCV/TIP审稿人，会议CVPR/ICCV/ECCV审稿人。

个人主页：

http://xpixel.group/

Google scholar：

https://scholar.google.com.hk/citations?user=OSDCB0UAAAAJ&hl=zh-CN

Panel嘉宾：朱磊（香港中文大学）

嘉宾简介：

Lei Zhu received his Ph.D. degree in the Department of Computer Science and Engineering from the Chinese University of Hong Kong in 2017. He is working as a postdoctoral fellow in the Chinese University of Hong Kong. His research interests include computer vision, medical image processing, computer graphics, and deep learning.

个人主页：

https://appsrv.cse.cuhk.edu.hk/~lzhu/

主持人：赵文达（大连理工大学）

主持人简介：

赵文达，博士，大连理工大学副教授。2016年获得中科院长春光机所博士学位，主要研究方向为模糊检测与图像复原。在TPAMI，TIP，TMM，TCSVT，CVPR等重要学术期刊和会议上发表论文20余篇。期刊TIP/TNNLS/TMM/PR等审稿人，会议CVPR/ICCV/ECCV/AAAI 等审稿人。大连理工大学星海骨干计划入选者，主持国家自然科学基金青年项目、博士后特助、博士后面上等多个项目。

个人主页：

http://faculty.dlut.edu.cn/wdzhao/zh_cn/index.htm

20-15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“15期”，获取直播地址。

特别鸣谢本次Webinar主要组织者：

主办AC：赵文达（大连理工大学）

协办AC：郑乾（新加坡南洋理工大学）

责任AC：王楠楠（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。

顾舒航 [slides]

Renjie Wan [slides]