讲座人简介：

赵谦，博士，西安交通大学太阳成集团tyc151cc副教授，博士生导师。分别于2009年和2015年在西安交通大学获得学士与博士学位。2013年11月至2014年11月，以访问学者身份在美国卡耐基梅隆大学机器人研究所从事机器学习与计算机视觉方面的研究工作。2016年3月起，在西安交通大学太阳成集团tyc151cc任教。

主要研究方向为机器学习及其应用，研究兴趣包括贝叶斯方法、图像处理、共形预测等。在TPAMI、TIP、TNNLS等著名国际期刊，以及ICML、NeurIPS、ICCV、CVPR、ECCV、AAAI等人工智能领域顶级国际会议上发表学术论文40余篇，Google Scholar累计引用9000余次。曾获得陕西省科学技术奖一等奖、陕西省优秀博士论文奖。主持、参与多项国家级科研项目，包括国家自然科学基金项目、国家重点研发计划项目等。担任国际期刊JSTARS的Associate Editor；同时担任TPAMI、TIP、TNNLS等期刊，以及ICML、NeurIPS、ICLR、CVPR、ICCV、ECCV、AAAI、IJCAI等会议的审稿人。

讲座简介：

图像复原是计算机底层视觉中的一类重要问题。近年来，深度学习方法在各类图像复原问题上得到了广泛而成功的应用。但现有研究主要关注于对深度神经网络结构的设计，并未充分利用低质图像的退化模型。而对于图像退化过程的有效建模一方面可以用来生成数据，辅助图像复原网络的训练；另一方面可直接用于图像复原反问题的求解。本报告将介绍我们在低质图像的生成式退化建模方面的一些探索。首先，针对图像去噪问题，我们基于对“干净-噪声”图像对的双向统计建模，提出了一种对偶对抗框架，用生成符合真实噪声分布的带噪图像，辅助去噪网络训练，可有效提升其在自然图像与高光谱图像上的去噪效果，一定程度上解决了训练数据难以收集的问题。其次，针对图像盲去模糊问题，我们基于隐空间编码策略，提出了一种对于模糊核的生成式建模与初始化估计的方案，一方面对于模糊核给出精细的先验刻画，另一方面可在去模糊过程中实现算法的有效初始化，显著提升了基于深度先验的图像盲去模糊方法的性能表现。