Talk | 西安交通大学博士生赵子祥:基于先验知识指导的多模态图像融合算法研究

本文主要是介绍Talk | 西安交通大学博士生赵子祥:基于先验知识指导的多模态图像融合算法研究,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

本期为TechBeat人工智能社区544线上Talk!

北京时间11月08(周三)20:00,西安交通大学博士生-赵子祥的Talk将准时在TechBeat人工智能社区开播!

他与大家分享的主题是: 基于先验知识指导的多模态图像融合算法研究,介绍了他的团队在多模态图像融合技术上所做的一系列研究成果。

Talk·信息

主题:基于先验知识指导的多模态图像融合算法研究

嘉宾:西安交通大学博士生 赵子祥

时间:北京时间 11月08日(周三)20:00

地点:TechBeat人工智能社区

点击下方链接,即可观看视频!

TechBeatTechBeat是荟聚全球华人AI精英的成长社区,每周上新来自顶尖大厂、明星创业公司、国际顶级高校相关专业在读博士的最新研究工作。我们希望为AI人才打造更专业的服务和体验,加速并陪伴其成长。icon-default.png?t=N7T8https://www.techbeat.net/talk-info?id=823

Talk·介绍

多模态图像融合技术,旨在通过结合多种传感器(如可见光、红外、深度、多光谱等传感器)的优点,互补单一传感器在某些特定的应用环境或场景中受到的限制和缺陷,从而得到一个更全面、更准确的信息表征和目标刻画。这种综合了多种信息源的融合结果通常比任何单一传感器提供的信息都要丰富和准确,可以极大提升人与机器对未知场景的环境理解与模式识别的能力。但是,伴随着深度学习方法的飞速发展,基于大数据的端到端学习难以显式地刻画观测数据的生成分布与融合结果的先验分布,并且鲜有能够充分嵌入领域先验的方法,从而降低了算法设计的可解释性与可控性。因此,在本报告中,我们探索了如何设计基于先验知识指导的多模态图像融合算法,将数学、统计知识与人工智能算法有机地结合起来。内容涵盖基于相关性驱动的跨模态特征提取、非欧氏空间下的特征分离与对比学习、基于等变成像先验的自监督学习框架、基于优化展开的模型先验和基于去噪扩散模型的生成先验等领域先验知识对于多模态图像融合算法的促进作用。本报告的研究成果发表在机器学习与计算机视觉顶级会议CVPR22、CVPR23和ICCV23中。

Talk大纲

1、为什么要研究多模态图像融合

2、多模态图像融合中的关键问题

3、多模态图像融合的探索:生成式算法 (ICCV 2023 Oral) 和判别式算法 (CVPR 2023)

4、多模态图像超分辨率:模型驱动算法 (CVPR 2022 Oral) 和数据驱动算法 (ICCV 2023)

Talk·预习资料

Image

文章链接:https://arxiv.org/abs/2303.06840

Image

文章链接:https://arxiv.org/abs/2303.08942

Image

文章链接:https://arxiv.org/abs/2211.14461

Image

文章链接:https://arxiv.org/abs/2104.06977

Talk·提问交流

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!

Talk·嘉宾介绍

​​​​​​​

Image

赵子祥

西安交通大学博士生

赵子祥,西安交通大学数学与统计学院博士四年级在读,师从张讲社教授。现为苏黎世联邦理工学院信息技术与电气工程系Computer Vision Lab联合培养博士生,导师为Luc Van Gool教授。曾任哈佛大学计算机科学系Visual Computing Group研究助理,导师为Hanspeter Pfister教授。研究方向为底层视觉,图像增强,多模态信息融合。目前在CVPR、ICCV等国际顶级计算机视觉会议与IEEE汇刊等国际期刊上共计发表学术论文十余篇,并担任CVPR、ICCV、NeurIPS等国际会议程序委员,以及IEEE TPAMI、IJCV、TIP等国际期刊审稿人。

个人主页: TechBeat


关于TechBeat人工智能社区

TechBeat(www.techbeat.net)隶属于将门创投,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>>TechBeat,一个荟聚全球华人AI精英的学习成长社区

这篇关于Talk | 西安交通大学博士生赵子祥:基于先验知识指导的多模态图像融合算法研究的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/379862

相关文章

一文详解Java异常处理你都了解哪些知识

《一文详解Java异常处理你都了解哪些知识》:本文主要介绍Java异常处理的相关资料,包括异常的分类、捕获和处理异常的语法、常见的异常类型以及自定义异常的实现,文中通过代码介绍的非常详细,需要的朋... 目录前言一、什么是异常二、异常的分类2.1 受检异常2.2 非受检异常三、异常处理的语法3.1 try-

使用Python实现图像LBP特征提取的操作方法

《使用Python实现图像LBP特征提取的操作方法》LBP特征叫做局部二值模式,常用于纹理特征提取,并在纹理分类中具有较强的区分能力,本文给大家介绍了如何使用Python实现图像LBP特征提取的操作方... 目录一、LBP特征介绍二、LBP特征描述三、一些改进版本的LBP1.圆形LBP算子2.旋转不变的LB

openCV中KNN算法的实现

《openCV中KNN算法的实现》KNN算法是一种简单且常用的分类算法,本文主要介绍了openCV中KNN算法的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的... 目录KNN算法流程使用OpenCV实现KNNOpenCV 是一个开源的跨平台计算机视觉库,它提供了各

OpenCV图像形态学的实现

《OpenCV图像形态学的实现》本文主要介绍了OpenCV图像形态学的实现,包括腐蚀、膨胀、开运算、闭运算、梯度运算、顶帽运算和黑帽运算,文中通过示例代码介绍的非常详细,需要的朋友们下面随着小编来一起... 目录一、图像形态学简介二、腐蚀(Erosion)1. 原理2. OpenCV 实现三、膨胀China编程(

springboot+dubbo实现时间轮算法

《springboot+dubbo实现时间轮算法》时间轮是一种高效利用线程资源进行批量化调度的算法,本文主要介绍了springboot+dubbo实现时间轮算法,文中通过示例代码介绍的非常详细,对大家... 目录前言一、参数说明二、具体实现1、HashedwheelTimer2、createWheel3、n

SpringBoot实现MD5加盐算法的示例代码

《SpringBoot实现MD5加盐算法的示例代码》加盐算法是一种用于增强密码安全性的技术,本文主要介绍了SpringBoot实现MD5加盐算法的示例代码,文中通过示例代码介绍的非常详细,对大家的学习... 目录一、什么是加盐算法二、如何实现加盐算法2.1 加盐算法代码实现2.2 注册页面中进行密码加盐2.

Java时间轮调度算法的代码实现

《Java时间轮调度算法的代码实现》时间轮是一种高效的定时调度算法,主要用于管理延时任务或周期性任务,它通过一个环形数组(时间轮)和指针来实现,将大量定时任务分摊到固定的时间槽中,极大地降低了时间复杂... 目录1、简述2、时间轮的原理3. 时间轮的实现步骤3.1 定义时间槽3.2 定义时间轮3.3 使用时

国内环境搭建私有知识问答库踩坑记录(ollama+deepseek+ragflow)

《国内环境搭建私有知识问答库踩坑记录(ollama+deepseek+ragflow)》本文给大家利用deepseek模型搭建私有知识问答库的详细步骤和遇到的问题及解决办法,感兴趣的朋友一起看看吧... 目录1. 第1步大家在安装完ollama后,需要到系统环境变量中添加两个变量2. 第3步 “在cmd中

如何通过Golang的container/list实现LRU缓存算法

《如何通过Golang的container/list实现LRU缓存算法》文章介绍了Go语言中container/list包实现的双向链表,并探讨了如何使用链表实现LRU缓存,LRU缓存通过维护一个双向... 目录力扣:146. LRU 缓存主要结构 List 和 Element常用方法1. 初始化链表2.

使用Python开发一个图像标注与OCR识别工具

《使用Python开发一个图像标注与OCR识别工具》:本文主要介绍一个使用Python开发的工具,允许用户在图像上进行矩形标注,使用OCR对标注区域进行文本识别,并将结果保存为Excel文件,感兴... 目录项目简介1. 图像加载与显示2. 矩形标注3. OCR识别4. 标注的保存与加载5. 裁剪与重置图像