张凯，南京大学苏州校区智能科学与技术学院副教授。2019年博士毕业于哈尔滨工业大学，2020年至2024年在瑞士苏黎世联邦理工大学做博士后研究。主要从事图像视频复原与增强等底层视觉问题的研究。在图像复原领域发表CCF-A类期刊和会议论文20余篇，论文谷歌学术引用26,000余次，代表性图像复原领域工作包括DnCNN、IRCNN、FFDNet、SRMD、USRNet、BSRGAN和SwinIR等，作为第三完成人获得了2020年黑龙江省自然科学一等奖。

报告题目：图像复原中传统模型启发下的深度学习方法探究

报告摘要：传统模型方法与深度学习方法是图像复原领域的两大主流方法。传统模型方法通过构建最大后验概率模型并用优化算法求解，具有高度可解释性和适应多种任务的灵活性，但常需设计复杂图像先验才能达到较好的效果；深度学习方法依赖端对端的大规模训练展现出出色效果，但在可解释性和灵活性方面略显不足。本报告将探讨如何融合与借鉴传统模型方法，设计可解释性和灵活性强的深度学习网络结构，并训练高效的真实图像复原深度学习模型。首先，受传统模型方法的优化算法启发，设计可解释性和灵活性强的即插即用和深度展开图像复原方法，其核心思想分别是利用深度去噪模型替代优化子问题和设计优化算法启发的网络结构。其次，受传统模型方法的退化建模启发，设计仿真数据合成方法，进而训练深度学习模型提高其对复杂真实退化图像的复原效果。

直播时间

7月2日（星期二）19:00-20:00

腾讯会议室

会议号：900-3977-8124

请添加会议官方微信：CSIG_1990，备注“云讲堂+会员号+姓名”获取入群邀请