推薦幾個出論文的好方向！！！
01
課程導(dǎo)師
課程導(dǎo)師：梁博士
先后于CVPR、ICCV、ECCV、AAAI等國際頂級會議，以及TPAMI、TIP等國際頂級期刊上發(fā)表論文13篇；常年擔任CVPR、ICCV、ECCV、TIP等國際頂級會議及期刊的審稿人，每年審稿十余篇；
曾獲CVPR杰出審稿人獎項；擁有豐富的與國內(nèi)外知名導(dǎo)師合作的經(jīng)驗，對學術(shù)前沿及導(dǎo)師招生邏輯有較深的理解；研究領(lǐng)域：基于深度學習的底層計算機視覺任務(wù)，包括但不限于圖像增強、圖像復(fù)原等。
課題一：基于自適應(yīng)實例歸一化的先驗圖像復(fù)原技術(shù)探究（Image Restoration with deep priors based on Adaptive Instance Normalization）
1、充分理解圖像復(fù)原研究領(lǐng)域的相關(guān)工作發(fā)展脈絡(luò)，能夠?qū)ΜF(xiàn)有方法的優(yōu)缺點進行總結(jié)
2、調(diào)研學習多種圖像歸一化策略，思考其在圖像復(fù)原方向的應(yīng)用場景
3、在課程期間，思考圖像復(fù)原任務(wù)中可以應(yīng)用的先驗信息，同時思考如何使用自適應(yīng)實例歸一化策略通過相應(yīng)先驗信息對復(fù)原網(wǎng)絡(luò)進行正則化約束
4、撰寫相應(yīng)的研究計劃
課題二：基于對比學習的深度無監(jiān)督圖像超分技術(shù)探究（Deep Unsupervised Image Super-Resolution based on Contrastive Learning）
1、調(diào)研總結(jié)基于深度學習的圖像超分相關(guān)論文并進行總結(jié)
2、理解真實圖像超分與仿真圖像超分之間的聯(lián)系與區(qū)別，并思考真實圖像超分面臨的技術(shù)難點
3、調(diào)研對比學習等深度無監(jiān)督學習任務(wù)，思考其與真實圖像超分工作的聯(lián)系絡(luò)進行正則化約束
4、撰寫相應(yīng)的研究計劃
課題三：人類視覺感知特性引導(dǎo)的圖像相似度評價指標研究（Image Similarity Metrics Guided by Human Perceptions）
1、通過觀察課堂提供的樣例，了解目前圖像復(fù)原、增強方法結(jié)果的問題
2、通過對比圖像視覺效果與現(xiàn)有評價指標，了解當前指標存在的問題
3、調(diào)研圖像質(zhì)量評價、相似度評價等相關(guān)文章，設(shè)計基于深度學習的更符合人類視覺特性的圖像相似度評價指標
4、撰寫相應(yīng)的研究計劃
課題四：基于模型蒸餾的高效圖像復(fù)原及增強方法研究（Efficient Image Restoration and Enhancement based on Model Distillation）
1、充分調(diào)研當前圖像復(fù)原、增強等底層視覺方法的運行速度及復(fù)雜度，并進行總結(jié)
2、在課堂上學習工業(yè)界真實的圖像增強、復(fù)原任務(wù)需求，理解當前方法的速度短板，明確高效方法研究的重要性
3、調(diào)研思考模型蒸餾技術(shù)相關(guān)進展
4、撰寫相應(yīng)的研究計劃
課題五：基于深度自注意力模型的圖像翻譯技術(shù)探究（Image-to-Image Translation based on Deep Self-Attention Model）
1、調(diào)研并總結(jié)圖像翻譯以及深度自注意力模型的相關(guān)進展，并分析現(xiàn)有圖像翻譯工作的問題
2、分析圖像翻譯任務(wù)對全局信息以及遠距離相關(guān)性的依賴性，了解深度自注意力模型在建模圖像遠距離相關(guān)性方面的優(yōu)勢
3、撰寫相應(yīng)的研究計劃
我們也鼓勵同學們發(fā)散思維，propose自己感興趣的其他科研課題。
●●●
03
項目亮點
一、課程內(nèi)容嚴格打磨，市面最專業(yè)最深入
市面上沒有比我們的內(nèi)容更專業(yè)深入的科研類計算機視覺項目，大部分科研項目只會講解一些機器學習、神經(jīng)網(wǎng)絡(luò)的入門知識和算法，并不會涉及到深度學習中更深入的內(nèi)容和應(yīng)用。
二、項目提供的科研課題火熱前沿，有非常大的延伸可能性
本項目提供的5個科研課題，都是目前計算機視覺領(lǐng)域最前沿最火熱的，學生完成研究計劃后，可以將其投入后續(xù)的科研工作中，并完成1篇有創(chuàng)新性的高水平學術(shù)論文。
三、授人以漁的真科研項目
內(nèi)容涵蓋：如何propose一個科研idea、如何找論文、如何讀論文、領(lǐng)域知識點的講解、研究方法的學習、撰寫1篇符合學術(shù)標準的研究計劃的方法和技巧、學術(shù)答辯的技巧等。參照實驗室教授帶研究生的模式，全程按照真正做一個科研項目的流程，讓學生邊學習邊實操，真正做到融會貫通，掌握方法論，舉一反三。
四、無需編程基礎(chǔ)
本項目目標是產(chǎn)出1篇符合學術(shù)標準的研究計劃，不需要學生有編程基礎(chǔ)。
■ 1篇2000詞以上，符合學術(shù)標準的中文或英文研究計劃
■ 課程證明及導(dǎo)師撰寫的學術(shù)評價
■ 了解基本的深度學習、計算機視覺領(lǐng)域研究思路和研究方法
■ 掌握基于深度學習的底層視覺多個子任務(wù)的基本知識
■ 認識底層計算機視覺領(lǐng)域的現(xiàn)狀和前沿成果
■ 對研究計劃邏輯的把握及對科研的興趣
■ 在生活細節(jié)中分析和發(fā)現(xiàn)計算機視覺相關(guān)Idea的能力
■ 模擬答辯，學會如何正確展示自己的研究成果，自如應(yīng)對面試or套磁
05
適合人群
本項目適合計算機大類、數(shù)學、電子信息工程等相關(guān)專業(yè)方向，或?qū)τ谏疃葘W習、計算機視覺有濃厚興趣，希望獲得理論提高與實踐認知的大三及以上學生。
無需具備編程基礎(chǔ)，希望報名的同學對于神經(jīng)網(wǎng)絡(luò)和深度學習的基本概念有一些了解，如卷積、池化、歸一化、激活函數(shù)、梯度反向傳播等概念。以便提高后續(xù)學習效率。沒有相關(guān)基礎(chǔ)的同學，我們會提供課前預(yù)習材料給到大家。
06
未來的幫助
?對升學的幫助
本課程涉及的深度學習基礎(chǔ)知識以及其在底層計算機視覺領(lǐng)域的應(yīng)用，是計算機算法尤其是計算機視覺算法、機器學習領(lǐng)域的必備知識/進階能力，能為有意讀計算機視覺、機器學習、人工智能等方向研究生的同學打下扎實基礎(chǔ)/提升保研夏令營面試/考研復(fù)試/碩士博士申請的成功率。國內(nèi)外多所大學（斯坦福大學、香中文大學、清華大學等）的知名研究組都十分看重學生的這些專業(yè)背景與實踐。
?對就業(yè)的幫助
本課程所涉及到的深度學習算法、圖像增強復(fù)原等底層視覺相關(guān)技術(shù)，是就業(yè)時的必備能力/是提升就業(yè)競爭力的利器。就業(yè)方向包括：
互聯(lián)網(wǎng)大廠（騰訊，阿里巴巴，百度，字節(jié)跳動等）計算機視覺算法工程師
硬件廠商（華為、小米、海康威視等）底層視覺研究團隊算法工程師
AI或計算機視覺獨角獸（商湯科技、曠視科技等）算法工程師
國企、政府事業(yè)單位如電視臺等相關(guān)研究團隊工程師
●●●
本期《研究計劃訓練營》僅限30人
有意向參加可添加老師微信
咨詢詳情
??????