讲师简介
陈启峰
腾讯云最具价值专家（TVP）
斯坦福大学计算机博士，香港科技大学助理教授，Lino联合创始人。曾连续三年夺得 NOI 金牌、在高二时发明过 Size Balanced Tree 数据结构、他的名字曾被用于给算法进行命名、曾为广东省拿下第一块国际信息学奥林匹克金牌。目前，陈启峰的研究为深度学习与图像处理，开始将神经网络应用于图像处理和合成，并产出了非常多的高质量成果。他的多篇论文被ICCV和CVPR连续多年收录并选为口头报告，他的很多研究成果甚至推翻了传统解决方案，在业界引发轰动。
简介
低光环境下短曝光图像会遭受噪音影响，而长时间曝光会导致模糊，并且经常不切实际的。科研人员已经提出了多种降噪，去模糊和增强技术，但是它们在极端条件下的有效性受到限制，例如夜间的视频速率成像。为了支持针对弱光图像处理的深度学习，我们引入了原始的短曝光弱光图像数据集，其中包括相应的长时间曝光参考图像。 使用这数据集，我们开发了一个基于完全卷积网络的端到端训练的低光成像算法。 网络直接在原始传感器数据，并取代了许多传统的图像处理模块。
分享大纲
1. 通过传感器原始数据进行低光图像和视频重建
2. 通过传感器原始数据在真实世界中进行超级缩放
3. 从RGB和偏振数据中去除反射
4. 多种数据的远距离和鲁棒深度感测