报告题目：基于深度学习的图像压缩综述
报告时间：2018年9月25日，星期二，15:30-16:30
报告地点：理科楼131
报告人：梁杰教授，加拿大西蒙弗雷泽（SimonFraser）大学工程科学系
专家简介：
梁杰， 1992年和1995年获西安交通大学本科和硕士学位，1998年获新加坡国立大学硕士学位，2003年获美国约翰霍普金斯大学博士学位。2003-2004年任职于微软总部视频压缩部门。2004年起就职于加拿大西蒙弗雷泽（SimonFraser）大学，目前是工程科学系教授，并曾任系副主任。研究领域包括图像视频编码、多媒体通信、计算机视觉以及深度学习。先后担任过IEEE TIP、IEEE SPL等期刊的副主编。曾获2014年 IEEET CSVT最佳副主编奖和2015年加拿大自然科学和工程基金委员会的DAS奖。
报告内容简介：
近年来，深度学习在很多领域取得了革命性的进展，不仅在众多传统方法性能不尽人意的课题取得了突破，也给某些已经被认为研究得很透彻的方向带来了新的希望，图像和视频压缩就属于后者。图像和视频压缩取得了巨大进步的同时，也催生了YouTube、Nexflix、优酷和爱奇艺等流媒体巨头，使得视频占据了互联网70%以上的流量。但目前的图像和视频压缩算法等基本框架却仍和30年前基本相同。2015年以来，深度学习开始被引入这一领域，短短3年就已取得可喜进展，展示出巨大的潜力。本讲座将总结这一领域3年来的进展，并介绍所提出的一种基于语义分割和图像合成的新型图像压缩框架。该方法将计算机视觉的最新技术引入到图像压缩中，不仅能显著提高压缩性能（某些情况PSNR可提高4-5dB），码流中的语义分割信息还可以有助于别的应用，例如针对感兴趣区域的编码和解码，以及快速精准的图像搜索等。
