你好!欢迎来到北京图象图形学学会!
登录  |  注册
首页 > 品牌活动  > IGTA2020

IGTA2020北京青年人才托举论坛(图像图形)

来源:管理员  发布于2020-09-16

报告题目动态自适应深度神经网络

报告人黄高

报告时10:40 - 12:00

摘要1600245321926101.png

本报告将介绍一类在推理过程中能够根据输入的变化改变自身结构的自适应神经网络模型。相较于当前主流的静态深度模型,如ResNetDenseNetMobileNetNASNet等,动态网络能够针对输入的变化相应地调整自身的深度、宽度或者参数值等,达到按需分配计算的目的,进而提升网络的计算效率,降低系统功耗。报告将介绍适应样本变化和适应空间变化的两类动态网络模型,并讨论现有方法的局限以及未来发展前景。

简介

黄高,清华大学自动化系助理教授,博士生导师。2015年获清华大学博士学位,2015年至2018年在美国康奈尔大学计算机系从事博士后科研工作。主要研究领域为深度学习和计算机视觉,提出了主流卷积网络模型DenseNet。目前在NeurIPSICMLCVPR等国际顶级会议及IEEE多个汇刊共计发表学术论文40余篇,被引用16000余次。获CVPR最佳论文奖、世界人工智能大会SAIL先锋奖、中国自动化学会优秀博士学位论文、全国百篇最具影响国际学术论文和吴文俊人工智能自然科学一等奖等荣誉。

 



报告题目多模态医学图像配准技术及其在手术导航系统中的应用

报告人范敬凡

报告时10:40 - 12:00

摘要1600245397672815.png

医学微创治疗在创伤、效率、疗效、费用等方面显著优于传统开放式手术,增强现实手术导航技术可将术前获取的三维医学影像与病人进行实时融合显示,可显著提高医生对病人内部组织结构的视觉感知,大大提高手术的安全性和效率。多模态医学图像配准是手术导航的核心关键技术,对此,提出了凸包特征引导的点云配准方法,降低术中患者位移对空间标定的干扰,实现了术前图像、患者及手术器械的实时精准定位。并提出了无监督对抗学习的高维多模态医学图像弹性配准方法,提高了弹性配准的时效性与鲁棒性,实现了术前高维图像与术中实时图像的融合导航。

简介

范敬凡,北京理工大学光电学院副研究员,于北京理工大学先后获得电子信息科学与技术(光电子)专业学士学位及光学工程专业博士学位,曾在美国北卡罗莱纳大学教堂山分校从事博士后研究工作。主要从事计算机视觉、增强现实与医学图像处理相关领域的算法研究,主持国家自然科学基金项目一项,在MedIAIEEE-TVCGMICCAIPR等期刊和会议上发表论文30余篇,已完成多项医学图像辅助诊疗系统的研发,相关知识产权已申报/授权十余项国家发明专利。曾获ACM/ICPC金奖、北京图象图形学会优秀博士论文、MICCAI青年科学家提名、中国仪器仪表学会金国藩青年学子奖、第五届中国互联网+”大学生创新创业大赛优秀创新创业导师、北京市科协青年人才托举计划、北京市科技新星计划。




报告题目基于三维人脸结构先验知识的人脸图像复原

报告人任文琦

报告时10:40 - 12:00

摘要1600245513990516.png

图像复原在实际生活中有广泛应用,例如视频监控、医学成像等,因此得到广泛研究。人脸图像恢复作为图像恢复问题的重要组成,已得到长久发展,然而当前主要的人脸去模糊方法依然集中在均匀去模糊方向。而实际应用中由于相机的非平面内运动,人体运动,姿势改变等造成实际模糊都是非均匀的。本次报告主要介绍三维人脸重建在人脸复原中的应用,提出基于三维人脸结构先验知识的人脸复原方法,分别针对人脸图像去模糊、超分辨两个应用介绍了三维人脸结构知识在复原网络中的引导作用。

简介

任文琦,中国科学院信息工程研究所,信息安全国家重点实验室副研究员,先后在腾讯人工智能实验室和微软亚洲研究院进行了访问研究。主要研究方向包括图像恢复与增强等相关问题。在本领域内国际主要期刊IEEE TPAMI/TIPIJCV及主要会议IEEE CVPR/ICCVECCVNeurIPS等发表学术论文30余篇,获得北京图象图形学会、中国计算机学会优秀博士论文奖。并荣获微软亚洲研究院铸星计划、北京市科协青年托举工程、北京市科技新星计划支持。

 

 

 

 

报告题目人脸图像生成与分析

报告人黄怀波

报告时10:40 - 12:00

摘要1600245557103581.png

人脸图像生成与分析包含了对人脸视觉数据的采集、重建、编辑、解释和识别等一系列任务。其研究内容可以大体分为理论研究和应用研究两个方向,其中理论研究涵盖了图像采集、深度学习、度量学习、迁移学习、弱监督学习等内容,而应用研究则涉及人脸对齐、人脸旋转、表情合成、属性编辑等方面。本报告以深度学习框架为基础,对人脸图像分析的理论和应用方面的工作进行介绍。具体地,理论部分从深度生成学习和深度表示学习等方面介绍人脸图像生成和分析问题中涉及的主要基础理论和方法;而后,应用部分将从人脸图像生成、人脸图像复原、面部上妆去妆、年龄合成与分析和人脸音视频合成等方面介绍具体应用场景及其最新进展。 

简介

黄怀波,中国科学院自动化研究所模式识别国家重点实验室助理研究员。2012年和2016年分别获西安交通大学学士学位和北京航空航天大学硕士学位,2019年获得中国科学院大学人工智能学院计算机应用技术方向博士学位。从事模式识别和计算机视觉基础理论研究,并应用到图像分析、图像生成和图像复原等。在IJCVPRNIPSICCVECCVAAAIIJCAIACMMM等国际权威期刊和会议上发表论文共计17篇,出版Springer专著一部。申请国家发明专利5项,已获授权4项。获得北京市优秀毕业生、中国科学院院长优秀奖、ICME2019信息理论和多媒体计算研讨会最佳学生论文奖等荣誉奖励,入选北京市科学技术协会2020-2022年度青年人才托举工程。