时间：2022-11-01 16:00
地点：腾讯会议220-880-765
主讲人：刘伟
报告摘要:
图像滤波是计算机视觉和图形学中重要的构成环节，本次报告将介绍课题组近些年在模型驱动图像滤波方面的研究工作，包括快速图像滤波和鲁棒图像滤波。在快速滤波中，将首先介绍课题组提出的半全局加权最小二乘（semi-global weighted least squares, SG-WLS）图像滤波模型，该算法相比于当前最好滤波算法加权最小二乘滤波模型有着更快的处理速度但是它们的滤波质量相当，同时所提出的SG-WLS内存消耗更低。介绍的第二个快速图像滤波算法是迭代最小二乘（iterative least squares, ILS）图像滤波模型，该算法具有滤波质量高，处理速度快，计算高度并行的特点，能够轻松实现CPU多线程加速和GPU加速，在GPU加速下，能够实现对1080p高分辨率图像的实时滤波处理。在鲁棒图像滤波中，将介绍课题组提出的泛化图像滤波模型（generalized smoothing framework），该算法能够实现多种图像滤波特性和已有算法所无法实现的滤波特性，在多种不同任务中均可以实现当前最好的实验性能。
报告人简介：
刘伟，2012年本科毕业于西安交通大学自动化系，同年保送至上海交通大学自动化系攻读博士学位，2019年取得博士学位。2019-2022年，先后在澳大利亚阿德莱德大学、澳大利亚机器人视觉中心和香港大学从事博士后研究工作。现任上海交通大学自动化系长聘教轨副教授、博士生导师，入选上海市2022年“浦江人才”计划。目前，主持上海市人才项目1项，参与国家级项目3项，已发表包括 TPAMI，TOG，TIP，ICCV，AAAI等国际顶级期刊和会议论文30余篇。研究兴趣包括鲁棒和快速图像滤波，基于深度学习的SLAM算法研究及应用等。
