【ICCV 2019 Tutorial】From Paired to Unpaired Visual Domain Translation and Beyond ，苏黎世联邦理工学院 Radu Timofte讲师

摘要： 图像和视频的恢复和增强任务可以分别视为图像到图像和视频到视频的转换。我们将回顾经过完全监督的设置（当有相应的图像/视频对可用于训练时），半监督和无监督的文献（仅当提供未配对的图像/视频时）。我们将审查代表性的视觉域转换器，例如pix2pix，CycleGAN，ComboGAN，StarGAN，MUNIT和SMIT，以及包括vid2vid，RecycleGAN和UVIT在内的最新视频转换方法，以及其他一些近期开发的内容。

个人简介： Radu Timofte是瑞士苏黎世联邦理工学院计算机视觉实验室的讲师和研究组组长。他于2013年在比利时KU鲁汶大学获得了电气工程博士学位，并在大学获得了硕士学位。2007年的芬兰东部地区和Dipl。。在技​​术大学。于2006年成为罗马尼亚Iasi的作者。他是区域期刊的顶级期刊（如TPAMI，TIP，IJCV，TNNNS，TCSVT，CVIU，PR）的审阅者，以及会议（ICCV，CVPR，ECCV，NeurIPS，ICLR）担任Elsevier的CVIU期刊（自2017年起），并担任SIAM的SIIMS的副编辑（自2020年起）。他曾担任ACCV 2018，ICCV 2019区域主席和IJCAI 2019、2020的SPC。他获得了NIPS 2017最佳审稿人奖。他的作品获得了多个奖项，包括ICPR 2012的最佳科学论文奖，FG 2017的荣誉奖，在BMVC 2019上获得了最佳学生论文奖，他的团队赢得了许多挑战，包括交通标志检测（IJCNN 2013）和表观年龄估计（ICCV 2015）。他是Merantix的联合创始人，也是NTIRE，CLIC，PIRM和AIM活动的联合组织者。他目前的研究兴趣包括深度学习，增强感知，领域翻译，图像/视频压缩，操纵，还原和增强。