在這個吃飯、跑步、旅遊都要「photo first」的時代，分享圖片，成為了我們日常生活中非常重頭的部分。不過，在把自己精心拍攝的高清圖片分享給好友或者上傳到朋友圈、微博等社交平臺上時，被伺服器降低解析度後的渣畫質圖片，想必也常讓大家傷透了腦筋。
為了適配不同解析度的屏幕、節省存儲或帶寬等，圖片常常進行降採樣操作，而如何從降採樣後的低解析度圖片恢復原始高清圖片，一直是一個難以解決的問題。
北大、微軟亞洲研究院和多倫多大學合作的這項工作《Invertible Image Rescaling》，便嘗試使用可逆神經網絡（Invertible NN, INN）來解決此問題，為包括圖像縮放等在內的信息丟失（Information Loss）問題提供了非常有前景的解決思路。這一工作成果也被ECCV2020收錄為Oral 論文，其研究價值可見一斑。為了讓大家詳細了解這項工作的可逆框架建模方法以及模型設計、實驗，AI 科技評論專門邀請到了一作肖命清同學來為大家做直播解讀。據悉，肖命清同學剛從北大本科畢業，大家想不想了解本科階段就開始發頂會論文是一種怎樣的體驗呢？
7月10日晚上八點，大家不妨跟肖命清同學親自侃一侃咯~
分享主題：可逆圖像縮放
分享時間：7月10日（星期五）20:00
分享嘉賓：肖命清，北京大學本科生，微軟亞洲研究院實習生
分享內容：
圖像的降採樣縮放是對數字圖像最常見的操作之一，比如為了適配不同解析度的屏幕、節省存儲或帶寬等。然而，如何從一張降採樣後的圖像上採樣恢復出原始的高解析度圖像，是一個非常有挑戰的問題。
本次分享將介紹最近被ECCV 2020錄用為Oral的一項工作Invertible Image Rescaling，通過對圖像的降採樣和上採樣進行可逆建模，從一個全新的視角解決這類問題。
分享提綱：
問題背景介紹
可逆框架的建模方法
模型設計與實驗
工作的前景
掃碼關注[ AI研習社頂會小助手] 微信號，發送關鍵字「ECCV 2020+直播」，即可進群觀看直播和獲取課程資料。
雷鋒網版權文章，未經授權禁止轉載。詳情見轉載須知。