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。

原文链接 →

「研究」频道最新

更多「研究」频道 AI 资讯 →