报告题目：

Face Editing Based on Generative Adversarial Nets

报告人简介：

李孝杰，博士，教授，硕导，四川省学术与技术带头人后备人选。

现就职于成都信息工程大学计算机学院，2017年作为访问学者于美国范德比特大学图像科学研究所（VUIIS）从事大脑影像分析研究。主要从事人工智能，机器学习和图像处理等相关算法和应用研究。长期开展流形学习、数据表达、异常点与边缘检测和图像分割等深度学习方面的研究，发现了异常数据表达的特殊性，揭示了高维数据分布的空间特征，为入侵检测、疾病诊断分析等提供技术支撑。

主持、参与国家自然科学基金、省部级等纵向科研项目10余项。获得国家发明专利授权10项，实用新型专利1项，软件著作权10余项。发表学术论文50余篇，部分研究成果已发表在中国计算机学会CCF A类会议IJCAI、MICCAI、IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics、IEEE Transactions on Multimedia等重要国际会议和学术期刊上，获四川省科技进步二等奖1项，四川省计算机科学技术奖一等奖1项，指导本科生参与A类竞赛获得国家级一等奖1项、国家级铜奖1项、省级金奖1项、省级银奖3项、省级铜奖2项。《Pattern Recognition》、《IEEE Transactions on Neural Networks and Learning Systems》等期刊审稿人。

报告简介：

人脸图像存在特殊外观结构，而人脸补全和人脸去模糊为人脸识别、人脸对齐以及人脸检测提供了强大的技术支持。该类技术也在门禁，安防，国防等场景下有着很深的应用。针对现有人脸编辑方法未充分考虑到人脸面部特征的特殊性，从而生成了不和谐的人脸，存在的生成人脸结构扭曲、细节模糊、边缘伪影、单一生成等问题，我们围绕：（1）如何设计面部结构信息引导的自适应人脸修复网络以修复出具有准确结构和清晰纹理的面部图像；（2）如何设计多元生成人脸修复方法；（3）如何设计有效的基于可分离归一化和自适应反归一化的人脸去模糊方案；（4）如何设计基于人脸特定信息编码的生成对抗网络以提高大区域缺失人脸补全的生成质量等问题进行讨论研究。

报告时间：2023年10月26日19：00至20：30

腾讯会议ID：135299414