本周为TechBeat人工智能社区第313期线上Talk。

北京时间6月10日(周四)晚8点，国防科技大学在读博士——王龙光的Talk将准时在TechBeat人工智能社区开播！

他与大家分享的主题是: “单目双目图像超分辨率研究”，届时将介绍有关单目双目图像超分辨率所面临的挑战与进展。

Talk·信息

▼

主题：单目双目图像超分辨率研究

嘉宾：国防科技大学在读博士生 王龙光

时间：北京时间 6月10日 (周四) 20:00

地点：TechBeat人工智能社区

http://www.techbeat.net/

完整版怎么看？

扫描下方二维码，或复制链接https://datayi.cn/w/woVakE5P至浏览器，一键完成预约！

上线后会在第一时间收到通知哦~

Talk·提纲

▼

图像超分辨率旨在从低分辨率图像中恢复高分辨率图像，其在安防监控、遥感探测和医学影像等领域都有着重要的应用价值。图像超分辨率除了能够提高图像的感知质量，还有助于改善其它计算机视觉任务。

近年来，在单目相机的基础上，双目相机开始在智能手机等设备上得到普及，如何利用好多视图信息提升图像超分辨性能仍面临许多挑战。本次分享围绕单目双目图像超分辨率，介绍了我们近期的一些工作。

本次分享的主要内容如下：

1 单目图像超分辨

∘ 用于盲超分辨的无监督退化表示学习（CVPR 2021）

∘  图像超分辨率中的稀疏性及高效推理（CVPR 2021）

2 双目图像超分辨

∘  用于双目图像超分辨的视差注意力机制（CVPR 2019）

∘  用于无监督双目立体匹配学习的视差注意力机制（TPAMI 2020）

3 相关讨论

Talk·参考资料

▼

这是本次分享中将会提及的资料，建议提前预习哦！

[1] Unsupervised Degradation Representation Learning for Blind Super-Resolution

http://arxiv.org/pdf/2104.00416

https://github.com/LongguangWang/DASR

[2] Exploring Sparsity in Image Super-Resolution for Efficient Inference

https://arxiv.org/pdf/2006.09603

https://github.com/LongguangWang/SMSR

[3] Learning Parallax Attention for Stereo Image Super-Resolution

http://arxiv.org/pdf/2104.00416

https://github.com/LongguangWang/PASSRnet

[4] Parallax Attention for Unsupervised Stereo Correspondence Learning

https://arxiv.org/pdf/2009.08250

https://github.com/LongguangWang/PAM

Talk·提问交流

▼

通过以下两种方式提问都将获得微信现金红包奖励哦！方式 ①

在Talk界面下的【交流区】参与互动！留下你的打call🤟和问题🙋，和更多小伙伴们共同讨论，被讲者直接翻牌解答！

你的每一次贡献，我们都会给予你相应的i豆积分，还会有惊喜奖励哦！

方式 ②

在本文留言区直接提出你的问题，或扫描下方二维码提问！

Talk·嘉宾介绍

▼

王龙光，国防科技大学博士生，研究方向为深度学习与低层视觉，专注于图像超分辨与图像复原，以第一作者身份在TPAMI、TIP、CVPR、ECCV等期刊及会议上发表多篇论文。

关于TechBeat人工智能社区

▼

TechBeat(www.techbeat.net)是一个荟聚全球华人AI精英的成长社区。我们希望为AI人才打造更专业的服务和体验，加速并陪伴其学习成长。期待这里可以成为你学习AI前沿知识的高地，分享自己最新工作的沃土，在AI进阶之路上的升级打怪的根据地！

更多详细介绍>>https://mp.weixin.qq.com/s/pTbCK_MeTk05jK2yx1RTrQ