本网讯（通讯员 饶茜雅）近日，计算机科学与工程学院人工智能学院2019级硕士研究生王元植在卢涛教授的指导下，以第一作者身份撰写的2篇论文分别被多媒体领域国际顶级会议ACM International Conference on Multimedia（ACM MM，CCF（中国计算机学会）A类国际会议）和计算机视觉领域国际顶级会议IEEE Conference on Computer Vision and Pattern Recognition（CVPR，CCF（中国计算机学会）A类国际会议）Workshop录用。

人脸超分辨率技术是从低分辨率面部图像中恢复潜在的高分辨率图像，被广泛的应用在人脸识别、验证和分析等领域。人脸超分辨率问题本质是一个典型的欠定方程求解问题，因其技术挑战性而受到了研究者们的广泛关注。论文“Face Hallucination via Split-Attention in Split-Attention Network”，已被ACM MM 2021接收，武汉工程大学智能机器人湖北省重点实验室，计算机科学与工程学院人工智能学院为第一署名单位，合作单位为武汉大学和哈尔滨工业大学。该论文首次探索了在不利用额外的面部先验情况下同时保持面部结构一致性和面部细节保真度的人脸超分辨率方法。由于现有的前沿人脸超分辨率方法只关注恢复面部纹理细节或者面部结构信息来约束纹理生成，无法很好的同时关注面部整体轮廓和面部局部纹理，导致重建后的人脸图像质量不理想。该论文另辟蹊径，首次提出一种基于分离注意力网络的人脸图像超分辨率算法，实现了在不使用任何面部先验的情况下重建出高质量和高保真的高分辨率人脸图像，算法结构如图1所示。人脸重建和人脸识别的实验结果显示该方法的重建质量不仅优于现有前沿方法，并且能显著提升下游人脸识别任务的性能（源码地址：）。ACM MM是计算机科学领域中多媒体领域的首要国际会议，今年仅接收了542篇论文，录取率27.9%。

图1基于分离注意力网络的人脸图像超分辨率算法结构图

图像光源迁移是图像重光照领域中最具挑战性的任务，其目的是将输入图像的光源方向和光源色温迁移到目标光源方向和光源色温，该任务在数据增强、照片编辑和游戏行业有广泛的潜在应用，是近年来新的研究热点问题。2021年4月，王元植同学代表武汉工程大学首次参加CVPR举办的NTIRE 2021 Depth Guided Image Relighting Challenge挑战赛，与全球246支参赛队伍竞争，最终在两个赛道上获得第七和第十名，图2展示了被收录到挑战赛综述论文的14支参赛团队的比赛结果。参赛论文“Multi-scale Self-calibrated Network for Image Light Source Transfer”已被CVPR 2021 Workshop接收。武汉工程大学智能机器人湖北省重点实验室，计算机科学与工程学院人工智能学院为唯一署名单位。由于图像光源迁移可以看作是对图像中的光源方向和色温进行重校准的过程，但是现有的前沿方法在场景重构和阴影估计时并没有考虑对特征进行有效校准，导致图像中的阴影并没有得到有效的去除和重铸，重照明的区域和重变暗的区域紊乱。为了有效解决这个问题，该论文首次提出一种基于多尺度自校准网络的图像光源迁移算法，利用该论文提出的特征自校准模块和解码器的多尺度特征显著提升了光源迁移的性能。算法结构图如图3所示。实验结果显示该方法能够有效地去除和重铸图像中的阴影区域，并能准确地重照明和重黑暗目标区域（源码地址：）。

图3基于多尺度自校准网络的图像光源迁移算法结构图

在国家自然科学基金面上项目（62072350）、湖北省技术创新专项重大项目（2019AAA045）的支持下，智能机器人理论及应用课题组在多源信息智能感知领域开展了深入研究，以低质量视频重建与分析为核心的算法和软件已经应用到了智慧城市、智慧化工园区和智能巡检机器人等领域，取得了良好的社会效益。

（审稿 卢涛）