近日，大连理工大学-立命馆大学国际信息与软件学院数字媒体技术团队在2017年IEEE多媒体与博览国际会议（IEEE International Conference on Multimedia & Expo, ICME 2017，计算机学会推荐B类会议）再创佳绩，所投稿三篇论文全部命中，其中刘日升副教授为第一作者的两篇论文 “Deep Hybrid Residual Learning with Statistic Priors for Single Image Super-Resolution.”、“Blind Image Deblurring via Adaptive Dynamical System Learning”，同时入围”the Finalist of the World’s FIRST 10K Best Paper Award at ICME2017”（Top 3% Paper at ICME 2017）。本次会议仅有Top 3%论文才有机会获得最佳论文提名，因此同一团队有两篇论文入围实属不易。这也是该团队继2014，2015年度连续两次获得ICME最佳学生论文奖之后再次在该多媒体领域旗舰会议上获得最佳论文提名。此外，本团队相关研究工作“Learning to Diffuse: A New Perspective to Design PDEs for Visual Analysis”，已发表在IEEE Transactions on Pattern Analysis and Machine Intelligence（TPAMI，计算机学会推荐A类期刊，影响因子：6.077），该文是我校信息学科以第一作者(通讯作者)发表在这一人工智能领域公认最顶级期刊上的第一篇论文。
数字媒体技术系团队长期从事图形图像方面的应用研究。近两年来开始尝试将传统的图像处理方法和当下流行的深度学习方法相结合，以达到更好的图像处理效果。此次获奖的两篇论文便是在这样的思路下获得的成果。其中一篇论文提出了一种混合深度残差学习的框架来处理图像超分辨率问题，通过经过设计的先验网络来刻画自然图像特征和有强大判别的残差网络来学习清晰图像的高频信息，从而获得了很好的图像超分辨结果。另一篇论文则是提出了自适应的动态系统来解决图像去模糊，将问题模型的先验知识和可学习的非线性动态系统相结合，从而获得了很好的去模糊结果。和传统方法相比更灵活，和深度网络相比需要的训练数据及参数又大幅减少。团队还将该方法用于更多的图像和视频分析处理问题上，研究表明，将基于模型的传统方法和深度学习技术融合，可以应用到各种复杂的多媒体与计算机视觉问题上。
注：
论文列表：
l Risheng Liu, Xiangyu Wang, Xin Fan, Haojie Li, Zhongxuan Luo: Deep Hybrid Residual Learning with Statistic Priors for Single Image Super-Resolution. ICME, 2017 (the Finalist of the World’s FIRST 10K Best Paper Award at ICME2017)
l Risheng Liu, Shichao Cheng, Xin Fan, Zhongxuan Luo: Blind Image Deblurring via Adaptive Dynamical System Learning. ICME, 2017 (the Finalist of the World’s FIRST 10K Best Paper Award at ICME2017)
l Yuyao Feng, Risheng Liu, Xin Fan, Kang, Huyan, Zhongxuan Luo: Leveraging Geometric Correlation for Input-adaptive Facial Landmark Regression. ICME, 2017
l Risheng Liu, Guangyu Zhong, Junjie Cao, Zhouchen Lin, Shiguang Shan, Zhongxuan Luo. Learning to Diffuse: A New Perspective to Design PDEs for Visual Analysis. IEEE TPAMI, 2016, (IF: 6.077)
IEEE ICME是IEEE多媒体领域旗舰会议，由IEEE下属的计算机学会、通信学会、信号处理学会和电路与系统学会等四个学术组织联合主办。2000年起，每年举办一次，业已成为来自4个学科的学术界工业界的研究者们交流多媒体技术进展的盛会，在多媒体技术领域具有重要影响，是中国计算机学会推荐B类知名国际会议。
IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)是计算机视觉及模式识别领域最顶尖的学术期刊，2016-2017年的影响因子为6.077，是中国计算机协会评选出的为数不多的人工智能领域A类期刊之一。TPAMI对所刊登论文的原始创新性有很高的要求，对投稿论文的评审非常严格。每年国内一流科研单位在TPAMI上发表的论文数量都十分有限。
