2022年4月18日,在赵峰老师的组织下,团队成员们在线参加了张明丽博士后关于盲Bigbrain图像恢复的学术报告。在报告中,张明丽博士首先介绍了Blind Bigbrain 的概念和现在存在的缺陷。具体的Blind Bigbrain 图像恢复旨在恢复高质量来自当前遭受未知退化的同行的图像,如低分辨率、噪声、模糊、压缩伪影等。
1)大多数情况下假设设置具有固定的高分辨率和低分辨率对分辨率图像。然而,为了有力地解决现实的升级问题高分辨率和低分辨率之间的关系的场景分辨率图像未知,需要盲图像超分辨率。
2)先验通常是根据输入图像估计的,并且不可避免地在现实世界中以非常低质量的输入降级。以上先验包含用于恢复细节的有限纹理信息。
3)调查参考先验,高分辨率的不可访问性限制了它的实际适用性,而容量有限字典的数量限制了它的多样性和细节的丰富性。稳健地解决现实的升级场景,其中关系高分辨率和低分辨率图像之间的差异是未知的。
紧接着,根据上述提到的缺点,张明丽博士后提出了一个依赖三个组件的解决方案,
1)受益于深度卷积神经网络的快速发展网络(CNN),近年来见证了爆炸式传播训练 CNN 建模以学习 LR-HR 映射。
2)当与对抗性训练或感知损失相结合时,SR网络可以产生准确和自然的图像细节。提出了利用丰富多样的框架具有挑战性的盲BigBrain 图像恢复的生成先验任务。广泛的比较,证明了提出的模型的卓越。
人物介绍:
张明丽,博士毕业于加拿大奎北克大学高等技术学院,是麦吉尔大学蒙特利尔脑神经研究所博士后。在攻读博士学位期间,获得了加拿大魁北克自然科技基金委国际交流基金和魁北克大学高等工学院国际交流基金的资助到山东大学进行学术访问。博士期间的研究成果获得了校唯一卓越博士毕业论文以及两项最优博士论文提名,中国政府优秀自费留学生奖学金,魁北克自然基金组织邀请作为学生代表做年终大会发言。博士后期间获得加拿大开源神经科学组织博士后奖学金两次,加拿大魁北克政府自然科学博士后奖学金两次,博士和博士后期间获得奖学金资助进行国际学术访问两次。主要研究方向为图像重建、多模态脑发育预测,机器学习模型构建与应用等。