在信息爆炸的時(shí)代，圖像和視頻壓縮技術(shù)成為了現(xiàn)代社會(huì)研究的一大熱門。如何用更少的資源傳輸更高質(zhì)量的圖像和視頻，一直是科研工作者們追求的目標(biāo)。人文交流月期間，信息與通信工程學(xué)院邀請(qǐng)到了北京航空航天大學(xué)的杰出教授李勝曦，為同學(xué)們帶來了一場關(guān)于《面向語義壓縮的生成對(duì)抗網(wǎng)絡(luò)與可逆化模型》的專題講座。
李教授首先為同學(xué)們介紹了圖像/視頻壓縮的研究背景。他強(qiáng)調(diào)，隨著數(shù)字媒體的快速發(fā)展，人們對(duì)圖像和視頻質(zhì)量的要求越來越高，而傳統(tǒng)的壓縮方法已經(jīng)難以滿足這種需求。因此，尋找新的壓縮技術(shù)成為了行業(yè)發(fā)展的必然趨勢(shì)。
接著，李勝曦教授詳細(xì)介紹了面向視覺語義重構(gòu)的表征技術(shù)。他分別介紹了信息重構(gòu)、感知重構(gòu)和語義重構(gòu)這表征技術(shù)的發(fā)展階段。隨后，李教授介紹了語義空間的構(gòu)建方法。指出現(xiàn)有的IPM-GAN模型在匹配復(fù)雜數(shù)據(jù)分布時(shí)仍存在缺陷。為了克服這一困境，人們提出了將生成模型的學(xué)習(xí)由矩匹配轉(zhuǎn)變?yōu)樘卣骱瘮?shù)匹配的創(chuàng)新思路。這一思路在理論上能夠更好地匹配復(fù)雜數(shù)據(jù)分布，提高生成圖像的質(zhì)量。
最后，李教授還介紹了面向機(jī)器視覺的壓縮方法以及VCM標(biāo)準(zhǔn)框架。他提到了單輸入多輸出網(wǎng)絡(luò)（SIMO）的提案，這一方案為檢測(cè)與分割任務(wù)提供了新思路，有望在未來推動(dòng)機(jī)器視覺領(lǐng)域的發(fā)展。
講座中，同學(xué)們深刻感受到了李勝曦教授在語義壓縮與生成對(duì)抗網(wǎng)絡(luò)領(lǐng)域的深厚造詣和獨(dú)到見解，與李教授在語義壓縮方面的問題進(jìn)行了熱烈討論。
