进行中
MIPI 2025 | Mobile Intelligent Photography and Imaging Workshop
AIM 2025 | Advances in Image Manipulation Workshop
00/00
共11条结果
随着移动平台对计算摄影和成像的需求日益增长,开发先进的图像传感器并将其与创新算法集成到摄像系统中已成为一种趋势。然而,缺乏高质量的研究数据以及产学研深度交流的机会有限,制约了移动智能摄影和成像 (MIPI) 的发展。本次研讨会将重点关注 MIPI,强调新型图像传感器与成像算法的集成。本次挑战赛将组织混合EVS相机的去模糊、移动相机的畸变校正和详细图像质量评估等挑战赛。
图像处理是计算机视觉中的一项关键任务,旨在恢复退化的图像内容、填补缺失的信息,或对图像进行必要的变换和/或操作,以实现期望的目标(例如提升感知质量、图像内容或相关应用的处理性能)。近年来,视觉和图形学社区对这一基础研究课题的关注显著增长。不仅相关论文数量持续增加,而且在该领域也取得了实质性进展。本次研讨会旨在概述这些研究领域中的新趋势与最新进展,并为学术界与工业界的与会者提供交流与合作的机会。本次挑战赛将组织图像去噪、高效的真实世界去模糊和4K高效图像超分辨率等挑战赛。
已结束
在过去的几年里,基于 AI 的移动应用变得越来越普及。如今,各类深度学习模型已经广泛部署在各种移动设备上:从运行人像分割、图像增强、人脸识别和自然语言处理模型的智能手机,到配备先进图像超分辨率算法的智能电视主板。与此同时,移动设备中的 NPU(神经网络处理器)和 DSP(数字信号处理器)性能也在快速提升,使得运行复杂的深度学习模型和实现大多数任务的快速推理成为可能。尽管近年来已有大量针对高效深度学习模型的研究工作被提出,但这些方法的评估大多是在桌面 CPU 或 GPU 上进行的,这使得我们难以准确估算其在真实移动硬件上的推理速度和内存消耗。为了解决这一问题,本次挑战赛的所有深度学习解决方案均面向移动设备开发并在移动平台上进行评估。借助新一代移动 AI 硬件的强大性能,本次研讨会所涉及的课题将不再局限于简单的分类任务,而是扩展到诸如图像去噪、HDR 摄影、精准深度估计、端到端学习的图像信号处理流程、实时图像与视频超分辨率等更具挑战性的研究方向。本次挑战赛将组织移动GPU上的RGB照片增强、智能手机ISP在移动GPU上的学习和在移动NPU上进行量化图像超分辨率等挑战赛。
图像恢复、增强与处理是计算机视觉中的关键任务,旨在修复退化的图像内容、填补缺失的信息,或进行必要的变换和/或操作,以实现特定目标(包括感知质量、图像内容或依赖图像的应用性能的提升)。近年来,视觉与图形学领域对这些基础研究课题的关注显著上升。不仅相关论文数量持续增长,该领域也取得了显著的研究进展。本次研讨会旨在全面展示上述领域中的新趋势与研究进展,并为学术界与工业界的与会者提供互动交流与探索合作的良好机会。本次挑战赛将组织阴影去除、图像超分辨率和图像去噪等挑战赛。
近年来,随着多模态大模型技术的飞速进步,人像复原作为计算机视觉领域的前沿技术也得以快速发展。2024年9月起,视频图像信息智能分析与共享应用技术国家工程实验室(简称“视频国家工程实验室”,英文简称:NELIVA)与中国图象图形学学会(CSIG)继续携手,共同举办“CSIG FAT-AI 2024 人像复原挑战赛”(简称:CFAT 2024)。本届挑战赛给定模糊人脸图像及对应的自然语言描述、人脸轮廓图像,要求参赛者使用人像复原技术恢复出符合本人真实面容的高清人脸图像,在公共安全领域有着重要的应用价值,是国内人像复原领域面向安防应用的专业赛事。
图像处理是计算机视觉领域的一项关键任务,旨在恢复退化的图像内容、填充缺失信息,或进行必要的变换和/或操作以达到预期目标(就感知质量、内容或处理此类图像的应用程序的性能而言)。近年来,视觉和图形学界对这些基础研究课题的兴趣日益浓厚。不仅相关论文数量不断增加,而且取得了实质性进展。图像处理作为重要的前端技术,其每一次进步都简化了人类或计算机利用图像完成进一步任务的流程。因此,图像处理在监控、汽车工业、电子、遥感或医学图像分析等领域的应用范围日益广泛也就不足为奇了。移动和可穿戴设备的兴起和普及为更多应用和更快捷的方法提供了新的沃土。本次研讨会旨在概述这些领域的新趋势和进展。此外,它还将为学术界和工业界的与会者提供交流和探索合作的机会。本次挑战赛将组织高效的视频超分辨率、移动实时视频超分辨率和视频超分辨率质量评估等挑战赛。
本次研讨会的目标是促进基于物理的视觉方法与深度学习之间的交叉融合与互动。基于物理的视觉旨在反演图像形成过程,从图像中恢复场景属性,如几何形状、反射特性、光照分布、介质属性等。近年来,深度学习在多种视觉任务中展现出了显著的性能提升。当基于物理的视觉方法与深度学习技术结合时,两者必将实现相互促进、优势互补。本次挑战赛将组织低光增强和检测、高动态范围成像等挑战赛。
过去几年,基于移动端人工智能的应用越来越普及。如今,各种深度学习模型几乎可以应用于任何移动设备,从运行人像分割、图像增强、人脸识别和自然语言处理模型的智能手机,到搭载复杂图像超分辨率算法的智能电视主板。移动端神经网络处理器 (NPU) 和数字信号处理器 (DSP) 的性能也显著提升,使得运行复杂的深度学习模型并在大多数任务中实现快速运行成为可能。虽然最近提出了许多针对高效深度学习模型的研究工作,但对所得解决方案的评估通常基于桌面 CPU 和 GPU,因此几乎不可能估算实际移动硬件上的实际推理时间和内存消耗。为了解决这个问题,我们推出了首届移动端人工智能研讨会,所有深度学习解决方案均在移动设备上开发和评估。本次挑战赛将组织视频超分辨率、图像超分辨率和深度估计等挑战赛。
图像复原、增强和处理是计算机视觉的关键任务,旨在恢复退化的图像内容、填充缺失信息,或进行必要的转换和/或处理以达到预期目标(就感知质量、内容或处理此类图像的应用程序的性能而言)。近年来,视觉和图形学界对这些基础研究课题的兴趣日益浓厚。不仅相关论文数量不断增加,而且取得了实质性进展。本次研讨会旨在概述这些领域的新趋势和进展。此外,它还将为学术界和工业界的与会者提供交流和探索合作的机会。本次挑战赛将组织密集和非均匀去雾、夜间摄影渲染和低光增强等挑战赛。