2022.10.05 14:00 数学院思源楼S813

计算成像关心的问题是如何有效的感知数据并重建高质量的图像以辅助人们进行决策，这包含了三个环节：图像感知、图像重建和图像分析。传统的图像感知以硬件设计为主，而图像重建和分析是数学与统计方法的主战场。长久以来这三个步骤的发展相对独立，融通性较弱，但在机器学习（尤其是深度学习）得以长足发展的今天，这一状况在逐渐的发生改变。本报告主要围绕深度学习给计算成像所带来的机遇与挑战展开，介绍如何将传统的图像重建算法与深度学习方法相结合来设计数据驱动与任务驱动的成像算法，从而实现计算成像三个环节的有机融合。