Talk | 西安交通大学博士生赵子祥：基于先验知识指导的多模态图像融合算法研究

本期为TechBeat人工智能社区第544期线上Talk！

北京时间11月08日(周三)20:00，西安交通大学博士生-赵子祥的Talk将准时在TechBeat人工智能社区开播！

他与大家分享的主题是: “基于先验知识指导的多模态图像融合算法研究”，介绍了他的团队在多模态图像融合技术上所做的一系列研究成果。

Talk·信息

▼

主题：基于先验知识指导的多模态图像融合算法研究

嘉宾：西安交通大学博士生 赵子祥

时间：北京时间 11月08日(周三)20:00

地点：TechBeat人工智能社区

点击下方链接，即可观看视频！

TechBeatTechBeat是荟聚全球华人AI精英的成长社区，每周上新来自顶尖大厂、明星创业公司、国际顶级高校相关专业在读博士的最新研究工作。我们希望为AI人才打造更专业的服务和体验，加速并陪伴其成长。https://www.techbeat.net/talk-info?id=823

Talk·介绍

▼

多模态图像融合技术，旨在通过结合多种传感器（如可见光、红外、深度、多光谱等传感器）的优点，互补单一传感器在某些特定的应用环境或场景中受到的限制和缺陷，从而得到一个更全面、更准确的信息表征和目标刻画。这种综合了多种信息源的融合结果通常比任何单一传感器提供的信息都要丰富和准确，可以极大提升人与机器对未知场景的环境理解与模式识别的能力。但是，伴随着深度学习方法的飞速发展，基于大数据的端到端学习难以显式地刻画观测数据的生成分布与融合结果的先验分布，并且鲜有能够充分嵌入领域先验的方法，从而降低了算法设计的可解释性与可控性。因此，在本报告中，我们探索了如何设计基于先验知识指导的多模态图像融合算法，将数学、统计知识与人工智能算法有机地结合起来。内容涵盖基于相关性驱动的跨模态特征提取、非欧氏空间下的特征分离与对比学习、基于等变成像先验的自监督学习框架、基于优化展开的模型先验和基于去噪扩散模型的生成先验等领域先验知识对于多模态图像融合算法的促进作用。本报告的研究成果发表在机器学习与计算机视觉顶级会议CVPR22、CVPR23和ICCV23中。

Talk大纲

1、为什么要研究多模态图像融合

2、多模态图像融合中的关键问题

3、多模态图像融合的探索：生成式算法 (ICCV 2023 Oral) 和判别式算法 (CVPR 2023)

4、多模态图像超分辨率：模型驱动算法 (CVPR 2022 Oral) 和数据驱动算法 (ICCV 2023)

Talk·预习资料

▼

文章链接：https://arxiv.org/abs/2303.06840

文章链接：https://arxiv.org/abs/2303.08942

文章链接：https://arxiv.org/abs/2211.14461

文章链接：https://arxiv.org/abs/2104.06977

Talk·提问交流

▼

在Talk界面下的【交流区】参与互动！留下你的打call和问题，和更多小伙伴们共同讨论，被讲者直接翻牌解答！

你的每一次贡献，我们都会给予你相应的i豆积分，还会有惊喜奖励哦！

Talk·嘉宾介绍

▼​​​​​​​

赵子祥

西安交通大学博士生

赵子祥，西安交通大学数学与统计学院博士四年级在读，师从张讲社教授。现为苏黎世联邦理工学院信息技术与电气工程系Computer Vision Lab联合培养博士生，导师为Luc Van Gool教授。曾任哈佛大学计算机科学系Visual Computing Group研究助理，导师为Hanspeter Pfister教授。研究方向为底层视觉，图像增强，多模态信息融合。目前在CVPR、ICCV等国际顶级计算机视觉会议与IEEE汇刊等国际期刊上共计发表学术论文十余篇，并担任CVPR、ICCV、NeurIPS等国际会议程序委员，以及IEEE TPAMI、IJCV、TIP等国际期刊审稿人。

个人主页: TechBeat

---

关于TechBeat人工智能社区

▼

TechBeat(www.techbeat.net)隶属于将门创投，是一个荟聚全球华人AI精英的成长社区。

我们希望为AI人才打造更专业的服务和体验，加速并陪伴其学习成长。

期待这里可以成为你学习AI前沿知识的高地，分享自己最新工作的沃土，在AI进阶之路上的升级打怪的根据地！

更多详细介绍>>TechBeat，一个荟聚全球华人AI精英的学习成长社区