在這個吃飯、跑步、旅游都要“photo first”的時代，分享圖片，成為了我們日常生活中非常重頭的部分。不過，在把自己精心拍攝的高清圖片分享給好友或者上傳到朋友圈、微博等社交平臺上時，被服務器降低分辨率后的渣畫質圖片，想必也常讓大家傷透了腦筋。

為了適配不同分辨率的屏幕、節(jié)省存儲或帶寬等，圖片常常進行降采樣操作，而如何從降采樣后的低分辨率圖片恢復原始高清圖片，一直是一個難以解決的問題。

北大、微軟亞洲研究院和多倫多大學合作的這項工作《Invertible Image Rescaling》，便嘗試使用可逆神經網絡（Invertible NN, INN）來解決此問題，為包括圖像縮放等在內的信息丟失（Information Loss）問題提供了非常有前景的解決思路。這一工作成果也被ECCV2020收錄為Oral 論文，其研究價值可見一斑。為了讓大家詳細了解這項工作的可逆框架建模方法以及模型設計、實驗，AI 科技評論專門邀請到了一作肖命清同學來為大家做直播解讀。據悉，肖命清同學剛從北大本科畢業(yè)，大家想不想了解本科階段就開始發(fā)頂會論文是一種怎樣的體驗呢？

7月10日晚上八點，大家不妨跟肖命清同學親自侃一侃咯~

分享主題：可逆圖像縮放

分享時間：7月10日（星期五）20:00

分享嘉賓：肖命清，北京大學本科生，微軟亞洲研究院實習生

分享內容：

圖像的降采樣縮放是對數字圖像最常見的操作之一，比如為了適配不同分辨率的屏幕、節(jié)省存儲或帶寬等。然而，如何從一張降采樣后的圖像上采樣恢復出原始的高分辨率圖像，是一個非常有挑戰(zhàn)的問題。

本次分享將介紹最近被ECCV 2020錄用為Oral的一項工作Invertible Image Rescaling，通過對圖像的降采樣和上采樣進行可逆建模，從一個全新的視角解決這類問題。

分享提綱：

問題背景介紹

可逆框架的建模方法

模型設計與實驗

工作的前景

如何加入？            

掃碼關注[ AI研習社頂會小助手] 微信號，發(fā)送關鍵字“ECCV 2020+直播”，即可進群觀看直播和獲取課程資料。       

雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。