在深度学习、图像处理、流形学习等领域日益发展的今天,曲率作为一种数学方法扮演着至关重要的角色。那么对于离散样本如何进行曲率处理?传统优化曲率的几何流算法又存在什么弊端?面对这些问题,如何找到稳定性好,优化效率高的算法?
我们有幸请到了深圳大学的助理教授龚元浩老师,为我们介绍一种计算简单且比几何流算法快一万倍的曲率优化算法——曲率滤波。
北京时间 2020 年 4 月 18 日,周六晚 8:00
,直播在『运筹OR帷幄』B 站直播间准时开始。
龚元浩老师从以下三点对曲率滤波算法进行了详细介绍。
1. curvature filters
2. sub window filters
3. curvature filters on meshes
并在介绍后回答了以下一些问题:
1.三角形表示什么?
2.几种比较的方法,能量的方程式一样的么?
3.可以用在非图像处理领域吗?能用于推荐系统么 ?
4.可以用于回归模型吗?
5.图像就是一个个像素,理论上就是图模型(graph)运筹学很多也是基于图模型的
6.最开始说的是考虑优化正则项,只考虑正则项,会有什么问题吗?
7.您预计这个方法的应用领域会在哪些地方?
8.图像受采样的频率影响大吗?
9.选择窗口的标准是什么?
10.超分辨会缺少中高频的细节,这个怎么补充?
11.这个方法本质是什么?
12.还有这个方法的限制和缺点主要在什么地方,在这么快的同时,有损失啥吗?
13.代码开源吗?
14.是不是不能用于deblock问题上?
15.原曲面是可展曲面这一假设成立范围有多大?
16.有些方法的调参太艺术了,GC用起需调参吗?
另外近期他所在实验室也有招聘博士后的打算。详细招募信息如下:
【博士后招聘信息】
方向
:
1)人工智能,优化算法,计算机视觉,图像处理
2)医学图像,X光(CT)或者超声
3)计算机图形学,三角网格除噪、分割、识别等
地点
:深圳大学(沧海校区)
人数
:计算机视觉1人,医学图像1人,计算机图形1人,共3人
待遇
:税后(税后、税后)年收入30万以上
要求
:符合深圳大学博士后入站要求,研究背景与岗位要求匹配
研究环境
:非常自由的研究环境。在研究课题方面,入站博士后可以自由选择(自由选择、自由选择)研究方向。在硬件方面,我们给每位博士后提供配备2080Ti显卡的高性能工作站一台(专属使用),另有16块显卡的服务器可以共享使用(组内共享)。在工作时间方面,我们不规定工作时间,不要求按时打卡,充分尊重每一位学者的职业素养、背景和特长。在研究成果方面,我们已经成功在CVPR、ICCV等国际知名会议上发表Oral文章。我们也已经成功在《Nature Methods》、PAMI等国际知名期刊上发表学术论文。
简历投递
:gong@szu.edu.cn,龚老师,邮件标题请注明“博士后岗位”字样。