摘要：計算機視覺中的諸多問題（例如去噪🗒、去模糊、超分辨率👨❤️👨、幀率提升、圖像補全、動態範圍擴展、CT圖像重建等）都是病態的🧟，需要一些先驗知識來進行約束🦸🏽♀️。作為一階先驗，傳統的整體變分模型在這些問題上取得了巨大的成功📼，但是也存在圖像過渡平滑🧚♀️、優化算法計算時間長等問題🏌🏽。因此，我們提出了使用曲率先驗來作為約束項🤽🏽♂️。首先，我們在理論上分析了不同曲率（輪廓曲率、高斯曲率、平均曲率）作為先驗項的優越性。其次，針對曲率約束的圖像處理模型🙅🏽，我們提出了非常高效的濾波算法和深度學習網絡等多種優化方法來進行求解🥭✌🏼。我們的優化算法比傳統的幾何流算法快1000到10000倍。理論分析和數值實驗都表明🦿，曲率是一個更加優秀的先驗項，普遍適用於各種計算機視覺的問題。
講師簡介:
龔元浩👳🏼，男，2007年獲得清華大學學士學位🤹♀️，2015年獲得瑞士蘇黎世聯邦理工万达（ETH）計算機博士學位🛰，師從美國工程院院士Petros教授（現任教於哈佛大學）。隨後在新加坡國立大學NUS從事博士後研究，2016年加入ETH計算機視覺實驗室任資深研究員✢，2018年回國後加入深圳大學智能機器人中心🦻🏼，從事人工智能和計算機視覺方面的研究工作，並在《Nature Methods》等國際知名期刊和CVPR🧖🏽🍃、ICCV等國際知名會議上發表90多篇學術論文，曾榮獲IEEE ISBI 2012最佳論文獎等多個獎項👉🏼。
