0
在這個吃飯、跑步、旅游都要“photo first”的時代，分享圖片，成為了我們?nèi)粘Ｉ钪蟹浅Ｖ仡^的部分。不過，在把自己精心拍攝的高清圖片分享給好友或者上傳到朋友圈、微博等社交平臺上時，被服務(wù)器降低分辨率后的渣畫質(zhì)圖片，想必也常讓大家傷透了腦筋。
為了適配不同分辨率的屏幕、節(jié)省存儲或帶寬等，圖片常常進行降采樣操作，而如何從降采樣后的低分辨率圖片恢復(fù)原始高清圖片，一直是一個難以解決的問題。
北大、微軟亞洲研究院和多倫多大學(xué)合作的這項工作《Invertible Image Rescaling》，便嘗試使用可逆神經(jīng)網(wǎng)絡(luò)（Invertible NN, INN）來解決此問題，為包括圖像縮放等在內(nèi)的信息丟失（Information Loss）問題提供了非常有前景的解決思路。這一工作成果也被ECCV2020收錄為Oral 論文，其研究價值可見一斑。為了讓大家詳細了解這項工作的可逆框架建模方法以及模型設(shè)計、實驗，AI 科技評論專門邀請到了一作肖命清同學(xué)來為大家做直播解讀。據(jù)悉，肖命清同學(xué)剛從北大本科畢業(yè)，大家想不想了解本科階段就開始發(fā)頂會論文是一種怎樣的體驗?zāi)兀?/p>
7月10日晚上八點，大家不妨跟肖命清同學(xué)親自侃一侃咯~
分享主題：可逆圖像縮放
分享時間：7月10日（星期五）20:00
分享嘉賓：肖命清，北京大學(xué)本科生，微軟亞洲研究院實習(xí)生
分享內(nèi)容：
圖像的降采樣縮放是對數(shù)字圖像最常見的操作之一，比如為了適配不同分辨率的屏幕、節(jié)省存儲或帶寬等。然而，如何從一張降采樣后的圖像上采樣恢復(fù)出原始的高分辨率圖像，是一個非常有挑戰(zhàn)的問題。
本次分享將介紹最近被ECCV 2020錄用為Oral的一項工作Invertible Image Rescaling，通過對圖像的降采樣和上采樣進行可逆建模，從一個全新的視角解決這類問題。
分享提綱：
問題背景介紹
可逆框架的建模方法
模型設(shè)計與實驗
工作的前景
掃碼關(guān)注[ AI研習(xí)社頂會小助手] 微信號，發(fā)送關(guān)鍵字“ECCV 2020+直播”，即可進群觀看直播和獲取課程資料。
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
