我实验室学生论文获 IEEE 多媒体学术会议(ICME)Best Student Paper Runner-Up 奖

发布者:代刘博发布时间:2020-12-30浏览次数:439

        由我实验室李昂同学为一作完成的论文Deep Image Quality Assessment Driven Single Image Deblurring荣获 2020年度 IEEE International Conference on Multimedia and ExpoICME)国际会议最佳学生论文亚军奖。ICMEIEEE在多媒体领域的旗舰年会,是 CCF B类学术会议。2020年,ICME主办地为英国伦敦,投稿量 834篇,录用文章 214篇,录用率为 28.9%。经过多轮严格评选,最终仅六篇论文获得最佳(学生)论文以及最佳(学生)论文亚军奖。颜波教授为该论文的通讯作者。

图为论文获奖证书

        该论文提出了一种利用图像质量评价指导图像去模糊的新算法,题目为《Deep Image Quality Assessment Driven Single Image Deblur》。近年来,随着人工智能的兴起,基于深度学习的图像去模糊算法发展迅速。然而对于图像去模糊的任务,之前仍然没有专门的深度学习算法,以同人类视觉系统相一致的方式,评价模糊图片增强后的质量。不仅如此,传统的均方误差 (MSE),作为优化的目标函数时,往往使得增强后的图片丢失原有的纹理细节,变得平滑。针对这两点,论文提出了一种图像质量评价驱动下的图像去模糊新算法。首先论文提出了 Deblur-IQA的卷积神经网络 (CNN)子模块,对去模糊的中间结果进行质量评价,相比 PSNRSSIM,对于人眼视觉系统更加一致;其次,论文首次利用质量评价子模块,驱动指导图像去模糊模块的任务,算法恢复出的纹理信息更加饱满逼真;最后,论文提出了基于自编码器去模糊子网络,该模块的运行效率是同类网络模型的 50倍。论文去模糊的效果,与最先进的算法的结果相比,细节更加丰富,保真度更高,运行效率更高,具有较强的创新性与实用性。