摘要：计算机视觉中的诸多问题（例如去噪、去模糊、超分辨率、帧率提升、图像补全、动态范围扩展、CT图像重建等）都是病态的，需要一些先验知识来进行约束。作为一阶先验，传统的整体变分模型在这些问题上取得了巨大的成功，但是也存在图像过渡平滑、优化算法计算时间长等问题。因此，我们提出了使用曲率先验来作为约束项。首先，我们在理论上分析了不同曲率（轮廓曲率、高斯曲率、平均曲率）作为先验项的优越性。其次，针对曲率约束的图像处理模型，我们提出了非常高效的滤波算法和深度学习网络等多种优化方法来进行求解。我们的优化算法比传统的几何流算法快1000到10000倍。理论分析和数值实验都表明，曲率是一个更加优秀的先验项，普遍适用于各种计算机视觉的问题。

讲师简介:

龚元浩，男，2007年获得清华大学学士学位，2015年获得瑞士苏黎世联邦理工学院（ETH）计算机博士学位，师从美国工程院院士Petros教授（现任教于哈佛大学）。随后在新加坡国立大学NUS从事博士后研究，2016年加入ETH计算机视觉实验室任资深研究员，2018年回国后加入深圳大学智能机器人中心，从事人工智能和计算机视觉方面的研究工作，并在《Nature Methods》等国际知名期刊和CVPR、ICCV等国际知名会议上发表90多篇学术论文，曾荣获IEEE ISBI 2012最佳论文奖等多个奖项。