Talk直播 | 阿里雲人工智慧實驗室負責人譚平: LSM—面向底層視覺的子空間最小化學習
公眾號:
將門創投
(thejiangmen)
將門技術社群「運營四週年&線上talk200期」特別企劃
本週為
將門技術社群第·200·期
線上分享特別活動
北京時間
4月29日(週三)晚8點整
,我們很開心邀請到
阿里雲人工智慧實驗室負責人—譚平博士
再次迴歸將門技術社群來直播分享!
此次,他將與大家分享的talk主題是“
LSM: Learning Subspace Minimization for Low-Level Vision
”。這是一個全新的求解底層視覺問題的框架,可以將機器學習和傳統視覺最佳化有機結合起來,用同一個神經網路(固定的網路引數)來求解多個底層視覺問題。
往期talk傳送門>&;amp;gt;乾貨 | 360人工智慧研究院副院長譚平:從SfM、SLAM到自主機器人
Talk·資訊
主題:
LSM—Learning Subspace Minimization for Low-Level Vision
嘉賓:阿里雲人工智慧實驗室負責人 譚平
直播時間:北京時間
4月29日 (週三) 20:00
地點:將門創投鬥魚直播間
Talk·提綱
這是譚平博士團隊在CVPR2020上發表的Oral論文,工作的亮點是設計了一個全新的求解底層視覺問題的框架。
“透過這個框架,我們把機器學習和傳統視覺最佳化有機結合起來。我們用機器學習來學一個線性子空間約束,然後用傳統的最佳化方式對約束後的問題進行求解。好處是我們可以用同一個神經網路(固定的網路引數)來求解多個底層視覺問題。”
底層視覺問題多是病態問題。傳統的方式是引入一個Smooth Term使得問題可以求解。但Smooth Term往往在物體邊界處失效,也使得最佳化變得複雜。
這篇文章引入了一個新的框架,透過卷積神經網路來產生一個線性子空間約束,然後在這個之空間內求解Data Term。這個方法使得原來的病態問題變得可解。
同時,我們可以用一個神經網路(固定的網路引數)求解多個底層視覺問題,包括Stereo、光流、邊緣檢測、影象分割等。我們甚至可以將在一個問題上訓練的網路應用到一個全新的問題,如將在Stereo上訓練的網路應用到影象分割。
論文地址>>
https://
arxiv。org/abs/2004。0919
7
嘉賓介紹
譚平 阿里雲人工智慧實驗室負責人
譚平博士曾在加拿大西蒙弗雷澤大學(SFU)和新加坡國立大學(NUS)任副教授。主要研究領域為計算機視覺、圖形學和機器人學。
他是計算機視覺領域兩大期刊TPAMI和IJCV的副主編,也曾擔任CVPR大會領域主席、SIGGRAPH和SIGGRAPH Asia大會程式委員、IROS大會Senior Editor。
Ask Me Anything
點選連結就能提問!在直播中被嘉賓選中回答的小夥伴將獲得一個
紅包獎勵
!
http://
thejiangmen222。mikecrm。com
/lnNvbHT
(截止時間:
直播前一小時
)
觀看直播或加群
關注
“將門創投”
微信公眾號(thejiangmen),後臺回覆“
入群
”,獲取入群通道及直播地址。
更多精彩Talk,盡在
【持續上新 | Talk合輯】專欄
-The End-
@將門創投· 讓創新獲得認可
如果喜歡,別忘了贊同、關注、分享三連哦!筆芯❤