【ICME2019】智能图像视频编辑，北大教程，400多页PPT

【导读】2019年7月8日-12日，图像视觉领域的知名会议IEEE国际多 媒体 与博览会（ICME）在上海召开。北京大学刘家瑛老师和香港城市大学杨文瀚老师做了关于智能图像视频编辑的教程报告《Intelligent Image Enhancement and Restoration - from Prior Driven Model to Advanced Deep Learning》，将近400多页ppt，包括图像风格化，雨条纹/水滴去除，图像/视频超分辨率，低光图像增强。

教程主页：

https://flyywh.github.io/ICME_Tutorial_2019/icme_tutorial.html

智能图像视频编辑

智能图像/视频编辑是图像处理领域的一个基础性研究课题，在过去的二十年中得到了飞速的发展。由于图像和视频在采集、传输和存储等方面的各种退化，导致图像和视频存在分辨率低、光照条件差、雨斑、雨滴遮挡等不良影响。这些退化的恢复是病态的。利用大量的基于统计和基于学习的方法，可以将这一问题统一为跨域转移，涉及到更多的任务，如图像风格化。

在我们的教程中，我们讨论了图像风格化、雨条纹/雨滴去除、图像/视频超分辨率和微光图像增强等方面的最新进展。本教程涵盖了传统的基于统计和基于深度学习的方法，并包含了生物驱动模型，即视网膜模型和数据驱动模型。提出了一种图像处理的观点，将常用的深度网络作为传统的最大后验(MAP)估计。由研究者设计并通过多任务学习学习的侧先验和由对抗性学习捕获的自动学习先验是该框架中的两种重要先验。在此框架下，提出了单图像超分辨率、低光图像增强和单图像雨滴去除三种方法。

目录

1. 先验嵌入深度雨去除

-从单个图像中检测和删除深度联合雨

-使用上下文化的深层网络从单个图像中联合检测和删除降雨

-删除还是填充?深关节复发性雨水清除重建视频

- D3R-Net:动态路由残差递归网络，用于视频雨水去除

-专注的生成对抗网络雨滴删除从一个单一的形象

2. 以文本为中心的图像样式转换

-很棒的排版:基于统计的文字效果转移

-上下文感知的无监督文本样式化

-文本效果通过风格化和非风格化传递

3. 先验嵌入深度超分辨率

-图像超分辨率的深边缘引导循环残差学习

-基于时空循环剩余网络的视频超分辨率

4.  基于视网膜模型的微光增强

-通过鲁棒视网膜模型实现低光图像增强

-序列分解联合增强降噪方法

-深层视网膜分解，用于低光增强

请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“IVE” 就可以获取《智能图像视频编辑》的下载链接~ 

-END-

专 · 知

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎登录www.zhuanzhi.ai，注册登录专知，获取更多AI知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程视频资料和与专家交流咨询！

请加专知小助手微信（扫一扫如下二维码添加），加入专知人工智能主题群，咨询技术商务合作~

专知《深度学习:算法到实战》课程全部完成！550+位同学在学习，现在报名，限时优惠！网易云课堂人工智能畅销榜首位！

点击“阅读原文”，了解报名专知《深度学习:算法到实战》课程