中国科学院深圳先进技术研究院董超副研究员来访并作报告

报告人：董超
时间：2021年09月16日  
地点：北京交通大学YF204
报告主题：图像超分辨率网络的可解释性

报告摘要：图像超分辨率技术近年来发展迅速，各种超分网络层出不穷，性能指标也在逐年攀升。然而我们对超分网络的运行机制却知之甚少，网络设计的科学性得不到保障。不仅如此，整个底层视觉领域都缺乏网络可解释性的工作。为此，我们尝试从三个角度来对超分网络进行解析。首先，我们研究了超分网络的归因机制，提出了专门针对底层视觉的归因工具Local Attribution Map (LAM)，用它来分析超分网络对输入信息的有效利用情况。然后，我们尝试回答了一个关乎底层视觉网络本质的问题——超分网络里是否学到了语义信息，还是只是进行了复杂的局部映射？我们在网络特征中成功提取出了含有底层语义的Deep Degradation Representations (DDR)，并与我们普遍认知的高层语义进行区分。在研究了网络的输入和特征之后，我们又从滤波器的角度出发，探索了盲超分网络中的功能分区。我们利用新提出的Filter Attribution method based on Integral Gradient (FAIG)，找到了网络中负责去噪和去模糊的部分，并利用它们对不同损失类型的输入图进行分类。希望我们的工作可以帮助研究者更有效的理解和设计超分网络，并能够启发更多关于底层视觉的可解释性工作。

报告人简介：董超，中国科学院深圳先进技术研究院副研究员，博士生导师。博士毕业于香港中文大学信息工程专业。2014年，在欧洲计算机视觉大会（ECCV）上发表论文SRCNN，首次将深度学习引入图像超分辨领域。2017年-2020年，多次带队参加国际超分辨率比赛，共获得8项冠军。2016年-2018年就职于商汤科技，带领商汤超分团队开发了世界首款基于深度学习的数码变焦软件。2021年被斯坦福大学评选为世界前2%顶尖科学家。谷歌引用量超过1万4千次。主要研究方向包括图像视频超分辨率，去噪和画质增强等，团队主页http://xpixel.group/。