图像超分辨率进ASC19超算大赛,PyTorch+GAN受关注

近日,2019 ASC世界大学生超级计算机竞赛(ASC19)公布了初赛赛题。来自全球200余所高校的300多支大学生队伍,将在长达两个月的初赛阶段,尝试挑战一项当前热门的人工智能技术——单张图像超分辨率(Single Image Super-Resolution,简称SISR)赛题。他们须基于PyTorch框架自行设计并训练AI模型,利用超级计算机在尽可能短的时间内将80张模糊不清的图像还原成高分辨率图像,并在相似度上符合标准。PyTorch由于简洁、高效、易用的优点,发布以来迅速获得开源社区欢迎,目前已经成为使用率第二高的深度学习框架。

图像超分辨率(Super-Resolution,简称SR)技术是近几十年来广受关注的一项视觉计算技术,其目标是将低分辨率图像恢复或重建为高分辨率图像。随着深度学习技术特别是生成式对抗网络GAN被引入到SR研究中,这项技术得以广泛应用于卫星和航天图像分析、医疗图像处理、压缩图像/视频增强及其他应用领域。GAN能给SR带来更多、更好的纹理细节,使图片肉眼看上去更细腻、真实、自然,因此成为图像超分领域的研究热点。

对于参加ASC19竞赛的参赛队员来说,人工智能应用单张图像超分辨率SR赛题的挑战在于,这些本科专业多为计算机科学、数学等的队员们需要在两个月的时间内学习大量SR、深度学习相关的论文,设计出AI算法并在超算系统上完成模型训练和不断的算法优化。

同时,想要达到竞赛要求并取得更好成绩,队员们在设计模型时还需充分考虑畸变参数和感知参数之间的权衡。2018年一项发表于CVPR的研究成果表明,SR技术存在一个有趣的“悖论”,即还原或重建后的高分辨率图像与原图相似度越高,则肉眼观察清晰度越差;反之,若肉眼观察清晰度越好,则图像的失真度越高。导致这一现象的原因在于畸变(Distortion)参数和感知(Perception)参数之间侧重点选择的不同。

中国工程院院士丁文华院士表示,希望参赛队员通过这道赛题打好深度学习、模型训练与优化的基础,促进SR技术在更多的场景应用。SR赛题支持单位代表、中国科学院自动化研究所程健研究员表示,人工智能的发展带来计算需求激增,训练一个图像分类模型需要千亿亿次浮点运算,快速、大量做图像超分辨率所需的计算量更大。希望大学生们能更好地将超算与人工智能结合,为SR技术应用加速提供新思路。

ASC世界大学生超算竞赛是全球规模最大的大学生超级计算机竞赛,旨在通过大赛平台推动各国及地区间超算青年人才交流和培养,提升超算应用水平和研发能力,发挥超算的科技驱动力,促进科技与产业创新。ASC19初赛目前已经展开,300多所海内外报名高校将挑战基准测试HPL和HPCG、地球气候模拟CESM和人工智能应用单张图像超分辨率SR,争夺4月21日-25日将在大连理工大学举办的总决赛20强名额。

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。