中国图象图形学学会第八期学生会员分享论坛成功举办

学生会员分享论坛

中国图象图形学学会第八期学生会员分享论坛成功举办

时间：2024-02-01 来源：中国图象图形学学会

2024年1月30日，由中国图象图形学学会（CSIG）主办，CSIG会员发展与服务工作委员会和优博俱乐部联合承办的第八期学生会员分享论坛在线成功举办。论坛由哈尔滨工业大学江奎副教授主持，邀请4位优秀博士生作学术报告，由4位评议嘉宾对研究工作做出点评并解惑，共同围绕研究生学术生涯的热点话题进行探讨。

首先中国图象图形学学会会员发展与服务工委会主任马思伟教授介绍了学生会员分享论坛的活动形式、理念原则以及学会已经举办和计划举办的优质学术交流活动，并对参加此次论坛的评议嘉宾及讲者表示感谢。马思伟教授强调中国图象图形学学会是一个致力于给图像图形领域研究人员和广大会员提供高质量学术服务平台的全国性一级学会组织，也是一个重要的人才举荐平台，希望大家都能积极参加学会各项学术活动，并预祝本次活动取得圆满成功。

图 1 CSIG第八期学生会员分享论坛合影

图 2 CSIG会员发展与服务工委会主任马思伟教授致辞

接下来，四位博士生分别带来精彩的学术报告。西北工业大学万哲雄同学作题为“仿生事件驱动的复杂动态场景运动场重建”的报告。报告介绍了基于帧快门相机的视觉算法在动态场景能否取得理想的结果，除了取决于算法本身，还依赖于输入图像的成像质量。图像相机的低采样帧率也导致对动态场景的高速感知存在严重的数据瓶颈。事件相机作为一种典型的仿生视觉传感器，它能够对场景中每个像素的亮度变化做出异步且独立的响应，动态监测场景光强变化并迅速异步输出。我们围绕运动场重建主线，研究二维光流运动估计、高速视频帧预测、三维场景流估计、物体级运动场重建四个子任务，以打破现有基于帧的图像相机存在的感知瓶颈，充分展现仿生视觉传感器在挑战性动态场景的应用潜力。

图 3 西北工业大学博士研究生万哲雄作报告

东京大学郑银强教授就万哲雄同学的报告内容进行深入点评，肯定了事件相机在复杂动态场景的应用潜力以及结合传统图像数据优势互补的可行性，并从事件相机在实际落地应用中的问题提出了一些建议，双方进行了交流探讨。

图 4 东京大学郑银强教授点评

哈尔滨工业大学王晨阳同学作题为“开放受限环境下人脸超分辨率重建 ”的报告。报告提出，人脸超分辨率是一项可以从低分辨率人脸图像中恢复出高分辨率人脸图像，从而改善人脸图像质量和提高人脸辨识度的技术。近年来，随着深度学习的发展，人脸图像超分辨率取得了显著进步，但仍然存在一些问题。我们针对现有方法存在的先验估计错误累积、有限感受野无法捕获全局结构、以及忽视低光照降质干扰等问题，提出了先验知识蒸馏策略、空频信息交互机制、以及亮度校正人脸重建等针对性的解决方案，有效改善人脸图像重建质量。

图 5 哈尔滨工业大学博士生王晨阳作报告

西北工业大学田春伟副教授对报告中针对基于空频交互学习的人脸超分辨率方法做出了点评，肯定了结合空域和频域信息的思想，对具体的如何设计有效的融合模块和监督信息了建议与指导。

图 6 西北工业大学田春伟副教授点评

西安电子科技大学张佳青同学作题为“多模态在轨智能遥感图像解译”的报告。报告指出，随着遥感数据的迅速增长和多样化，传统的单模态解译方法已经显示出一定的局限性。多模态数据集由不同传感器获取的各种数据类型组成，例如光学图像、雷达数据、高光谱数据等。通过结合多模态数据的解译方法，可以提供更全面、准确、可靠的遥感解译结果。随着星载探测器的快速发展，遥感卫星图像数据在空间分辨率、时间分辨率以及模态多样性方面不断提高，精准小目标检测成为研究的新热点，从而使得遥感解译精细化变得可能。在我国军事侦察和测绘应用中，实时获取和处理信息的需求日益重要，结合多源信息融合战略的发展趋势，迫切需要进行多模态遥感小目标检测理论和方法的研究工作。在我们的研究中，我们设计了基于超分辨率辅助支路的目标检测方法。通过构建超分辨率分支体系，我们能够实现对小目标的准确检测和识别。同时，我们还提出了一种称为引导量化自蒸馏结构的方法，通过量化和蒸馏的协同作用，在资源受限的情况下实现了实时、高效、稳定、准确的遥感图像小目标检测。

图 7 西安电子科技大学博士生张佳青作报告

北京航空航天大学邹征夏教授就张佳青同学报告的内容作出深入点评。对超分作为辅助网络的建立提出问题并探讨其扩展到多种弱小目标检测任务中的可行性。此外，双方还针对遥感影像中多模态数据的定义和深度学习算法的多卫星部署这一类实际应用场景进行了深刻讨论。

图 8 北京航空航天大学邹征夏教授点评

武汉大学李静涛同学作题为“基于偏离关系学习的跨模态跨场景遥感异常探测”的报告。报告介绍了遥感异常探测技术可以在无先验条件下探测弱小目标地物。鉴于地表异常种类和背景分布的多样性，现有算法为单个模态、场景训练专用异常探测器的范式难以适用于大范围地表异常探测。其原因在于，现有探测器旨在学习特定的背景分布，无法适应背景动态变化的大范围场景。为此，本报告抛弃传统特定背景学习目标，挖掘异常与背景跨模态、场景条件下不变的偏移关系，将遥感异常探测任务转化为背景无关的异常值排序问题，构建异常背景偏离关系框架。在高光谱、可见光、微光、红外和SAR等5个模态和上百个场景下的实验表明，基于偏离关系的异常探测器具备良好的跨模态跨场景探测能力，可满足大范围场景下的实时探测需求。

图 9 武汉大学博士生李静涛作报告

湖南大学佃仁伟副教授就李静涛同学的报告进行了全面评价。佃教授指出样本受限确实是高光谱领域的一大难题，但同时高光谱数据又具备较强的光谱冗余性，建议尝试将原始高光谱数据进行特性选择，转换特征空间，然后完成异常探测等下游任务，可能会有一定增益。

图 10 湖南大学佃仁伟副教授点评

panel讨论环节由江奎副教授主持，评议嘉宾、报告人共同围绕“竞赛打榜是否有固定范式，有哪些可以涨点的策略和经验分享？”“如何从海量文献中紧追前沿，并紧密结合自己的研究方向或任务，讲好论文故事？”“学术研究和竞赛打榜是否需要2选1？如何成长为两者兼顾的六边形战士？有哪些经验分享？”“从你们现在的角度来看，对于刚入门的师弟师妹们，在研究生学术生涯规划与发展中可以提前做哪些准备？”等热点话题进行了热烈的交流，最后，邹征夏和田春伟两位老师就自身经验也进行了分享讨论。腾讯会议室及寇享学术直播间互动频繁，气氛热烈。通过此次活动，参会的学生们纷纷表示在此次活动中收获颇丰、受益匪浅。