近日，由大连理工大学-立命馆大学国际信息与软件学院几何计算与智能媒体技术研究团队完成的研究成果“Deep Proximal Unrolling: Algorithmic Framework,Convergence Analysis and Applications”被图像处理领域顶级期刊IEEE Transactions on Image Processing (TIP)录用。TIP由IEEE信号处理协会主办，是图像处理及计算机视觉领域公认的No.1期刊，侧重于图像处理的前沿理论与方法，是中国计算机学会推荐的A类国际期刊，影响因子为5.071。

该论文是该团队长期关注深度学习可解释性工作的又一标志性成果，主要作者包括刘日升副教授、程世超（博士）、马龙（硕士）、樊鑫教授和罗钟铉教授。论文针对深度模型虽然在许多应用领域都取得了巨大成功，但其可解释性和理论分析仍然缺失的问题，提出了一种全新的可展开非凸优化，将深度模型通过误差校正机制引入到优化迭代过程中。全文从算法模型、收敛分析和实际应用三方面完善的介绍了该深度可展开模型的严谨性和有效性。其中收敛性分析通过刻画目标函数的下降解释了深度网络可以通过数据驱动学习到一个好的梯度方向，以帮助算法快速收敛。如图所示，该工作提出的框架可以有效的应用在图像去模糊、去雾等各种视觉问题中并取得最先进的效果。该工作得到审稿人的一致好评，只经过一轮修改即被录用。

相关介绍：

• 几何计算与智能媒体技术研究团队依托于辽宁省泛在网络与服务软件重点实验室。研究课题包括机器学习、深度学习、计算机视觉、多媒体技术、优化方法等当前最前沿的领域。近年来在IEEE TPAMI、TIP、TNNLS、TMM、NeurIPS、IJCAI、AAAI、CVPR、ECCV、ACM MM等人工智能、多媒体技术等多方领域的重要期刊及会议上发表论文达100余篇。近一年来针对可学习优化的理论及应用研究已发表顶级会议和期刊（包括NeurIPS, AAAI, IJCAI, ACM MM, TIP, TNNLS等）论文30余篇。

TIP由IEEE信号处理协会主办，是图像处理及计算机视觉领域公认的No.1期刊，侧重于图像处理的前沿理论与方法，与TPAMI，IJCV一起被称作图像处理及视觉计算的“三大王牌”。TIP对收录论文的理论性、前沿性以及创新性具有极高的要求，审稿周期长达一年左右。