直播预告 | 北京交通大学论文分享会

2021年5月10日 20:00,CVPR2021论文分享继续!北京交通大学符志强、杨尚蓉、何凌志将带来精彩报告(www.91Lr.net)。

1

符志强

嘉宾简介:北京交通大学信息科学研究所数字媒体信息处理研究中心博士三年级

分享主题:Double Low-rank Representation with Projection Distance Penalty for Clustering

论文摘要:以往的低秩表示往往只考虑了样本之间的低秩结构而忽略了特征间的低秩结构,双低秩表示可以很好的捕获特征空间和样本空间的低秩结构。在双低秩表示的基础上,我们引入了投影距离惩罚来进一步地学习样本地几何结构,同时进一步约束表示矩阵有k个联通量,作为投影矩阵学习的指导信息来减少数据内噪声的影响,实验证明我们的算法可以在人工数据集、真实数据集和含有噪声的数据集里面都有很好的表现。

2

杨尚蓉

嘉宾简介:北京交通大学信息科学研究所数字媒体信息处理研究中心博士三年级

分享主题:Progressively Complementary Network for Fisheye Image Rectification Using Appearance Flow

论文摘要:鱼眼图像通常需要畸变校正。基于生成的方法由于其无标签特性而成为一种主流解决方案,但是它通过简单的跳跃连接和负担过重的解码器将导致模糊和不完全校正。首先,跳跃连接会直接传递图像特征,这可能会引入畸变并导致校正不完全。其次,在同时重建图像的内容和结构的过程中,解码器负担过重会导致性能的降低。为了解决这两个问题,本文着重介绍了畸变校正网络的可解释性校正机制,并提出了一种特征级校正方案。我们在跳跃连接中嵌入了一个校正层,并利用不同层中的外观流来对图像特征进行预校正。因此,解码器可以容易地利用剩余的无失真信息来重建合理的结果。此外,我们提出了一个并行的互补结构。通过把内容重建和结构校正的过程分离开来,有效地减少了解码器的负担。在不同数据集上的主观和客观实验结果证明了我们方法的优越性。

3

何凌志

嘉宾简介:北京交通大学信息科学研究所数字媒体信息处理研究中心博士二年级

分享主题:Towards Fast and Accurate Real-World Depth Super-Resolution: Benchmark Dataset and Baseline

论文摘要:目前业界广泛使用的深度传感器获得的深度图往往分辨率较低,难以应用于各种计算机视觉任务。因此,将深度图从低分辨率超分到高分辨率是一项实用且有价值的任务。然而,由于缺乏真实配对的低分辨率和高分辨率的深度图数据集,大多数现有的深度图超分辨率算法都使用下采样的方式来获得配对的训练样本。为此,我们首先构建了一个名为“RGB-D-D”的大规模数据集,该数据集可以极大地促进深度图超分辨率和其他更多与深度图相关的计算机视觉任务的研究。提出的数据集中的“D-D”表示从手机和Lucid Helios深度采样设备获取的低分辨率和高分辨率深度图数据对,内容上包含了从室内场景到具有挑战性的室外场景。此外,我们提出了一个采用高频分量自适应分解的颜色图引导的快速深度图超分辨率算法。在我们提出的数据集和其他现有公共数据集上的广泛实验证明了我们算法的有效性和高效性。此外,对于真实获得的低分辨率深度图,我们的算法可以生成更准确、边界更清晰的高分辨率深度图,并在一定程度上可以纠正深度值误差。

直播地址

CVPR】进群交流

主营产品:建筑玻璃,桁架,铝型材,库存建材,高空作业机械,铝合金,铝材