当前位置: 首页 > 新闻动态 > 正文

新闻动态

智能学院许超教授团队超分成像研究成果荣获CVPR最佳学生论文奖提名

时间:2024-07-01    点击数:
时间 主讲人
地点

为鼓励在人工智能领域做出突出贡献和具有创新性的研究,2024年6月20日,人工智能国际顶级会议CVPR官方公布了最佳学生论文奖(Best Student Paper)。在所投稿的11532篇论文中,来自北京大学智能学院的许超教授团队与华为团队合作的科研成果“Image Processing GNN: Breaking Rigidity in Super-Resolution”荣获最佳学生论文奖提名(Best Student Paper Runners-Up)。

该论文的第一作者是2022级智能学院博士研究生田雨川,指导教师为许超教授。另外两名作者是陈汉亭博士和王云鹤博士,二人曾受许超教授指导,目前已从北大毕业,在华为诺亚方舟实验室工作。陈汉亭入选了华为天才少年,王云鹤现任算法应用部部长。

第一作者田雨川同学在CVPR会议上领取获奖证书

超分成像是将低分辨率的图像(例如监控图像、老照片等)改进为高分辨率的图像,运算时存在着一种“不均衡”现象:占图像小部分的高频细节区域,通常需要经过大量计算以完善细节;而其它的较平坦图像区域,仅需少量的计算,就可得到满意的结果。已有的算法对这种“不均衡”问题重视不足,在基于卷积或自注意力的超分成像算法中,每个像素仅和位于窗口内的像素进行交互。

利用图神经网络的灵活性,解决超分成像的“不均衡“问题

针对这个问题,该研究团队提出一种嵌入图神经网络的超分成像算法。概述如下:首先,研究者估算图中节点的重要性,设计了一种简单的估算指标,根据该指标分配节点的度数,使模型更加关注位于图像高频区域的节点;其次,研究者认为,图的连接应该挣脱局部窗口限制,为避免计算量过大,研究者提出一种局部稠密与全局稀疏采样结合的策略,先从全局或局部采样出一批节点,再在较小的采样空间内,进行邻接节点的搜索。

在超分成像实验中,该算法取得了比SOTA更好的结果,视觉效果显著提升。


该研究团队提出的算法模型取得了更好的超分成像结果


论文地址:https://openaccess.thecvf.com/content/CVPR2024/papers/Tian_Image_Processing_GNN_Breaking_Rigidity_in_Super-Resolution_CVPR_2024_paper.pdf



关闭

地址:北京市海淀区颐和园路5号(62755617)   反馈意见:its@pku.edu.cn

Copyright 版权所有©北京大学智能学院 All Rrights Reserved.