VALSE Webinar 25-21期 总第392期 大模型时代的图像复原技术走向

报告嘉宾：梅少辉 (西北工业大学)

报告题目：高光谱遥感图像超分辨重构

报告嘉宾：王立志 (北京师范大学)

报告题目：数据视角下的智能图像降噪

报告嘉宾：金枝 (中山大学)

报告题目：基于傅里叶变换的低光照图像增强及其拓展

报告嘉宾：马柯德 (City University of Hong Kong)

报告题目：Perceptual Assessment and Optimization of HDR Image Processing

Panel嘉宾：

林嘉文 (台湾清华大学)、左旺孟 (哈尔滨工业大学)

报告嘉宾：梅少辉 (西北工业大学)

报告时间：2025年7月23日 (星期三)晚上19:00 (北京时间)

报告题目：高光谱遥感图像超分辨重构

报告人简介：

梅少辉，长聘教授，博士生导师，陕西省信息获取与处理国际联合研究中心副主任，入选国家级青年人才、2023/2024全球前2%顶尖科学家、西安市杰出青年人才以及西北工业大学翱翔青年学者。近五年主持国家自然科学基金和国防创新特区等国家级项目和国防创新类项目30余项，发表学术论文200多篇，包括IEEE TGRS、IEEE TIP以及PR等中科院TOP期刊论文80余篇，12篇论文入选ESI高被引论文，获得陕西省自然科学一等奖、陕西省优秀博士论文和陕西省科技进步二等奖以及国际会议IEEE ISPACS等多项奖励，担任国际顶级期刊IEEE TGRS编委、IEEE JSTARS编委、Agronomy编委以及JRS和图形图像学报青年编委。

个人主页：

https://teacher.nwpu.edu.cn/meishaohui.html

报告摘要：

图像的空间信息提供观测目标或区域的纹理、结构等特征信息，而光谱信息反映观测目标或区域的反辐射特性，这两种信息在基于光学图像的场景识别以及目标检测等应用中起着至关重要的作用。但受到传感器硬件技术的限制，光电成像系统通常很难获取同时具有高空间分辨率和高光谱分辨率的图像。该报告主要介绍课题组在基于深度学习理论的超分辨成像方面的最新研究成果，从空间超分辨成像、谱间超分辨成像以及空谱联合超分辨成像三个方面介绍基于超分辨学习的高光谱计算成像技术，基于深度神经网络对低分辨率图像与高分辨率图像之间的复杂关系的学习，实现从低分辨率的光学图像获取高空间分辨率的高光谱图像，对于提高低分辨光学图像的处理精度和降低高光谱图像的获取成本具有重要意义。

参考文献：

[1] Nan Wang, Shaohui Mei, Yifan Zhang, Duo Zhan, “WHANet:Wavelet-Based Hybrid Asymmetric Network for Spectral Super-Resolution From RGB Inputs,” IEEE Trans. Multim. 27: 414-428 (2025).

[2] Nan Wang, Shaohui Mei, Yifan Zhang, Mingyang Ma, Xiangqing Zhang, “Hyperspectral Image Reconstruction From RGB Input Through Highlighting Intrinsic Properties,” IEEE Trans. Geosci. Remote. Sens. 62: 1-13 (2024).

[3] Shaohui Mei, Ge Zhang, Nan Wang, Bo Wu, Mingyang Ma, Yifan Zhang, Yan Feng, “Lightweight Multiresolution Feature Fusion Network for Spectral Super-Resolution,” IEEE Trans. Geosci. Remote. Sens. 61: 1-14 (2023).

[4] Baorui Wang, Shun Zhang, Yan Feng,Shaohui Mei, Sen Jia, Qian Du, “Hyperspectral Imagery Spatial Super-Resolution Using Generative Adversarial Network,” IEEE Trans. Computational Imaging 7: 948-960 (2021)

[5] Shaohui Mei, Ruituo Jiang, Xu Li, Qian Du, “Spatial and Spectral Joint Super-Resolution Using Convolutional Neural Network,” IEEE Trans. Geosci. Remote. Sens. 58(7): 4590-4603 (2020)

[6] Shaohui Mei, Xin Yuan, Jingyu Ji, Yifan Zhang, Shuai Wan, Qian Du, “Hyperspectral Image Spatial Super-Resolution via 3D Full Convolutional Neural Network,” Remote. Sens. 9(11): 1139 (2017)

报告嘉宾：王立志 (北京师范大学)

报告时间：2025年7月23日 (星期三)晚上19:30 (北京时间)

报告题目：数据视角下的智能图像降噪

报告人简介：

王立志，北京师范大学教授，博士生导师，国家优青。主要研究领域为计算摄像，主持多项国家级项目，发表论文50余篇，担任IEEE TIP编委，荣获中国图象图形学学会自然科学一等奖、CCF A类会议ACM Multimedia最佳论文提名奖、中国电子学会优秀博士学位论文奖，研究成果应用手机、监控、载荷等多种摄像平台。

个人主页：

https://vmcl.bnu.edu.cn/

报告摘要：

图像降噪是计算摄像的经典任务，依赖于深度学习技术，智能图像降噪已经成为图像降噪的主流解决方案，其根本问题是构建带噪图像与清晰图像之间的数据映射，在算力受限算法趋同的情况下，数据扮演着至关重要的作用。本次报告将从数据视角出发，针对不同应用场景，介绍智能图像降噪的最新进展。

参考文献：

[1] Hansen Feng, Lizhi Wang, Yuzhi Wang, Haoqiang Fan, Hua Huang, “Learnability enhancement for low-light raw image denoising: A data perspective,” TPAMI 2024.

[2] Tong Li, Lizhi Wang, Zhiyuan Xu, Lin Zhu, Wanxuan Lu, Hua Huang, “Positive2negative: Breaking the information-lossy barrier in self-supervised single image denoising,” CVPR 2025.

[3] Tong Li, Hansen Feng, Lizhi Wang, Lin Zhu, Zhiwei Xiong, Hua Huang, “Stimulating diffusion model for image denoising via adaptive embedding and ensembling,” TPAMI 2024.

报告嘉宾：金枝 (中山大学)

报告时间：2025年7月23日 (星期三)晚上20:00 (北京时间)

报告题目：基于傅里叶变换的低光照图像增强及其拓展

报告人简介：

金枝，中山大学教授，博士生导师，广东省珠江青年学者，中山大学“逸仙学者”，IEEE Senior Member,中国图象图形学学会CSIG交通视频专委会副秘书长、多媒体专委会委员、青工委委员、女工委委员，CCF多媒体专委会会员，主要从事恶劣环境视觉感知增强、视频编解码、三维重建等方面的研究和应用。在图像处理及计算机视觉领域顶级期刊及会议共发表高水平学术论文70余篇，其中本人作为一作/通讯作者论文50余篇 (中科院一区Top期刊论文TPAMI、TIP、TNNLS、TCSVT、TMM等17篇、国际顶级会议论文CVPR、ICCV、ECCV、IJCAI、ACM MM等16篇)。主持国家自然科学基金区域联合重点 (课题)、面上、中德国际合作、青年等各类项目14项，其中国家级科研项目5项、省部级项目1项、国防军工类项目1项。作为第一发明人已授权国家发明专利10项，已授权软件著作权7项。担任ICIG2021和CSIG2021青年科学家论坛的宣传主席、ChinaMM2024 论坛主席、VALSE2025本地主席、ICIG2025财务主席等。担任IEEE TIP、TCSVT、TMM、CVPR和ICCV多个计算机视觉领域顶级期刊和会议的长期审稿人。多次带领学生获得CVPR NTIRE竞赛冠亚军。本人获得全国第七届青年教师教学大赛二等奖、广东省第六届高校 (本科)青年教师教学大赛总决赛一等奖。

个人主页：

https://fvl2020.framer.website/

报告摘要：

在光线昏暗的室内或夜间获取细节丰富、色彩清晰的图像，对于用户体验及下游机器视觉任务均至关重要。为此，我们提出一种基于傅里叶变换的高效轻量级低光照图像增强方法。然而，夜间手持摄影通常同时面临弱光与因物体运动及相机抖动导致的运动模糊双重退化。研究发现，在傅里叶域中，这两种退化可在图像的幅度谱和相位谱上独立表征。通过深入分析其物理退化机制，我们发现：弱光退化在不同频率带的幅度上表现出差异性特征，而运动模糊退化则以相位相关性为主要特征。基于这些洞察，我们从数学上推导出一种频率注意力机制和一种滤波机制，用以学习这两种退化的解耦表示，并最终提出一种基于傅里叶域的新型网络架构 (傅里叶解耦网络)，实现弱光图像增强与去模糊的联合优化。

参考文献：

[1] Chenxi Wang, Hongjun Wu, Zhi Jin, “Fourllie: Boosting low-light image enhancement by fourier frequency information,” ACM International Conference on Multimedia, pp.7459-7469, 2023.

[2] Luwei Tu, Jiawei Wu, Chenxi Wang, Deyu Meng, Zhi Jin, “Fourier-based Decoupling Network for Joint Low-Light Image Enhancement and Deblurring,” Transactions on Image Processing, accepted, 2025.

报告嘉宾：马柯德 (City University of Hong Kong)

报告时间：2025年7月23日 (星期三)晚上20:30 (北京时间)

报告题目：Perceptual Assessment and Optimization of HDR Image Processing

报告人简介：

Kede Ma is an Associate Professor with the Department of Computer Science at City University of Hong Kong (CityUHK). He received the B.E. degree from the University of Science and Technology of China (USTC) in 2012, and the MASc. and Ph.D. degrees from the University of Waterloo in 2014 and 2017, respectively. From 2018 to 2019, he was a Research Associate with Howard Hughes Medical Institute and New York University. Prof. Ma has been named to the Highly Cited Researchers list by Clarivate Analytics in 2024. He currently serves on the Editorial Boards of IEEE Transactions on Image Processing and IEEE Transactions on Information Forensics and Security.
Prof. Ma leads the Multimedia Analytics (MA) Laboratory, which is an interdisciplinary research group. We are interested in Computational Vision, Computational Photography, Multimedia Forensics and Security, and Machine Learning for Multimedia Signals.

个人主页：

https://kedema.org/

报告摘要：

High dynamic range (HDR) imaging expands displayable luminance for more faithful scene reproduction. We introduce a debiased subjective protocol to mitigate sampling and algorithmic biases in HDR quality assessment, review objective metrics from inverse‐display models to Q-Star, and outline HDR–LDR IQA integration. Building on these tools, we propose perceptually driven methods for (1) multi-exposure fusion with deep guided learning and MEF-SSIM; (2) tone mapping via normalized Laplacian pyramid distance; (3) single-image HDR reconstruction guided by A-DISTS; and (4) EPIC-HDR compression using NLPD and Q-Star. Visual and quantitative results demonstrate substantial perceptual gains.

参考文献：

[1] Peibei Cao, Chenyang Le, Yuming Fang, and Kede Ma, “A Perceptually Optimized and Self-Calibrated Tone Mapping Operator,” IEEE Transactions on Visualization and Computer Graphics (TVCG), 2025.

[2] Peibei Cao, Haoyu Chen, Jingzhe Ma, Yu-Chieh Yuan, Zhiyong Xie, Xin Xie, Haiqing Bai, and Kede Ma, “Learned HDR Image Compression for Perceptually Optimal Storage and Display,” European Conference on Computer Vision (ECCV), 2024.

[3] Peibei Cao, Rafał K. Mantiuk, and Kede Ma, “Perceptual Assessment and Optimization of HDR Image Rendering,” IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2024.

[4] Peibei Cao, Zhangyang Wang, and Kede Ma, “Debiased Subjective Assessment of Real-World Image Enhancement,” IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2021.

Panel嘉宾：林嘉文 (台湾清华大学)

嘉宾简介：

林嘉文，台湾清华大学特聘教授，暨人工智能研究中心副主任。从事计算机视觉、深度学习和图像处理等领域的研究，已在包括TPAMI，IJCV，TIP，TCAD， CVPR， ICCV，ECCV，NeurIPS, AAAI等重要国际会议和期刊上发表学术论文200余篇，在2018年获选为 IEEE Fellow，并在2021-2023年间担任IEEE Fellow Evaluation Committee member，目前担任 IEEE TCSVT Associate Editor-in-Chief。

个人主页：

https://www.ee.nthu.edu.tw/cwlin/

Panel嘉宾：左旺孟 (哈尔滨工业大学)

嘉宾简介：

左旺孟，哈尔滨工业大学计算学部教授、博士生导师。主要从事图像增强与复原、视觉编辑与生成、视觉理解与学习，大模型与多模态等方面研究。在CVPR/ICCV/ECCV等顶级会议和T-PAMI、IJCV及 IEEETrans.等期刊上发表论文 200 余篇，现任IEEET-PAMI、T-IP、中国科学-信息科学及自动化学报编委。

个人主页：

http://homepage.hit.edu.cn/wangmengzuo

主持人：田春伟 (哈尔滨工业大学)

主持人简介：

田春伟，哈尔滨工业大学计算学部教授、博士生导师。2022-2024斯坦福大学全球前2%顶尖科学家年度榜单入选者。黑龙江省人工智能学会青工委主任。研究方向为视频/图像复原和识别、图像生成、语音处理与智能交通、视觉安全、大模型与多模态等。在IEEE Trans汇刊、Pattern Recognition、Neural Networks、Information Fusion 等国际期刊上发表论文90余篇。其中，7篇ESI高被引论文 (3篇热点论文)、4篇Top期刊封面论文、4篇国际图像超分辨领域Benchmark论文、3篇GitHub 2020具有贡献代码、1篇论文技术美国医学影像公司CT机购买应用、1篇论文技术应用在苹果手机日系系统上。获得国际模式识别领域Top期刊Pattern Recognition Best Paper奖 (排名第1)、1篇国际信号处理协会Blog论文 (排名第1)、1篇中国人工智能学会Top期刊CAAI Transaction on Intelligence Technology的Excellent Paper，中国图象图形学学会自然科学奖二等奖 (排名第1), 广东省自然科学奖一等奖。担任 CAAI Transaction on Intelligence Technology, IEEE TFS、IEEE TCE等多个 SCI 期刊编委/客座编辑。

个人主页：

http://homepage.hit.edu.cn/tianchunwei

特别鸣谢本次Webinar主要组织者：

主办AC：田春伟 (哈尔滨工业大学)