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❤