在信息爆炸的时代,图像和视频压缩技术成为了现代社会研究的一大热门。如何用更少的资源传输更高质量的图像和视频,一直是科研工作者们追求的目标。人文交流月期间,信息与通信工程学院邀请到了北京航空航天大学的杰出教授李胜曦,为同学们带来了一场关于《面向语义压缩的生成对抗网络与可逆化模型》的专题讲座。
李教授首先为同学们介绍了图像/视频压缩的研究背景。他强调,随着数字媒体的快速发展,人们对图像和视频质量的要求越来越高,而传统的压缩方法已经难以满足这种需求。因此,寻找新的压缩技术成为了行业发展的必然趋势。
![2 2](/attached/image/41/202407/2_011443379929.png)
接着,李胜曦教授详细介绍了面向视觉语义重构的表征技术。他分别介绍了信息重构、感知重构和语义重构这表征技术的发展阶段。随后,李教授介绍了语义空间的构建方法。指出现有的IPM-GAN模型在匹配复杂数据分布时仍存在缺陷。为了克服这一困境,人们提出了将生成模型的学习由矩匹配转变为特征函数匹配的创新思路。这一思路在理论上能够更好地匹配复杂数据分布,提高生成图像的质量。
最后,李教授还介绍了面向机器视觉的压缩方法以及VCM标准框架。他提到了单输入多输出网络(SIMO)的提案,这一方案为检测与分割任务提供了新思路,有望在未来推动机器视觉领域的发展。
讲座中,同学们深刻感受到了李胜曦教授在语义压缩与生成对抗网络领域的深厚造诣和独到见解,与李教授在语义压缩方面的问题进行了热烈讨论。