ICIP 2026 演讲:生成模型如何重塑计算成像的先验范式
prof_kamilov · x · 2026-11-18
威斯康星大学麦迪逊分校 Ulugbek Kamilov 在 IEEE ICIP 2026 的大会报告《Rethinking Posterior Interface in Computational Imaging》已上线(54 分钟,IEEE SPS 会员免费)。
核心观点:计算成像传统上被表述为不适定反问题,依赖显式先验;生成模型的进展正推动范式转变——从显式先验转向隐式编码数据分布的学习型恢复算子。先验不再写成函数,而是通过可查询的学习模型来访问。报告提出三个关键想法:(1) 通用恢复算子隐式定义先验;(2) 随机性可作为原则性工具改善高度不适定问题的优化行为;(3) 先验可直接从测量数据学习,无需干净训练数据。框架统一了经典近端方法、plug-and-play 算法与现代生成模型,并展示在生物医学图像重建中的应用。
「研究」频道最新
- TCS 学界发布声明:招聘重质量轻数量,抵制 AI 论文军备竞赛 — fortnow · 2026-11-18
- 论文提出语言创造性的社会文化视角:从社区实践看创意生成 — abenitezburraco · 2026-11-18
- 无需训练或梯度:27B 模型可自行改写权重提升 unseen 任务 — udmrzn · 2026-11-18
- 开源 EDA 工具十年逆袭:从「不可能」到设计出蓝牙信标芯片 — IgorCarron · 2026-11-18
- AURA 2.0 发布:流式视频模型学会主动开口说话并调用工具 — Shuhan Li · 2026-11-18
- Orabona 撰文驳 AdaGrad 预条件化解释:全矩阵界限常不如标量学习率 — bremen79 · 2026-11-18