- 课程回放

曾任三菱电机研究实验院(MERL)首席研究科学家。2012年获得马里兰大学电气和计算机工程系博士学位。 2014年,刘洺堉因机器人视觉工作获得了R&D 100奖,他的街景理解论文是2015年机器人科学与系统(RSS)会议中最佳论文决赛入围者。在2018年的CVPR中,在语义分段竞赛的领域适应和光流估计竞赛中获得了第一名。近年来,他的研究重点是生成图像建模,工作包括pix2pixHD,vid2vid,GauGAN / SPADE,UNIT,MUNIT和FUNIT。他的生成模型作品已被包括纽约时报在内的各种媒体报导,研究目标是使机器具有类似人类想像力的能力。
曾任三菱电机研究实验院(MERL)首席研究科学家。2012年获得马里兰大学电气和计算机工程系博士学位。 2014年,刘洺堉因机器人视觉工作获得了R&D 100奖,他的街景理解论文是2015年机器人科学与系统(RSS)会议中最佳论文决赛入围者。在2018年的CVPR中,在语义分段竞赛的领域适应和光流估计竞赛中获得了第一名。近年来,他的研究重点是生成图像建模,工作包括pix2pixHD,vid2vid,GauGAN / SPADE,UNIT,MUNIT和FUNIT。他的生成模型作品已被包括纽约时报在内的各种媒体报导,研究目标是使机器具有类似人类想像力的能力。
- 生成式对抗网络研究进展
- 基于GAN空间自适应归一化技术解析
- GauGAN高逼真图像合成的实现与挑战
生成式对抗网络GAN因其在图像合成方面的巨大潜力,受到了广大开发者和研究机构的广泛关注和深入研究,是目前深度学习领域最受大家关注的方向之一。
在 今年3 月 19 日的 GTC 2019 上,NVIDIA推出图像生成器GauGAN。GauGAN由NVIDIA(美国)研究院基于生成式对抗网络GAN开发,用户只需要在屏幕上随便画几根线条或者简单的草图,就可以生成以假乱真的风景图像,并且还可以调整场景、元素构成,甚至还可以根据内容调整光照、阴影等。即使没有绘画基础,也能让你一秒变王者!一经发布,便受到了国内外主流科技媒体竞相报道。
与其他基于生成式对抗网络图像生成模型不同的是,GauGAN采用了空间自适应归一化技术,该技术最早发布在一篇名为《空间自适应归一化的语义图像合成》论文中,这篇论文由 UC Berkeley, NVIDIA, MIT CSAIL 实验室的Teasung Park、刘洺堉、Ting-Chun Wang、朱俊彦共同完成,该论文在 6 月的 CVPR 2019 大会上做了口头报告。与现有GAN实现图像生成的方法相比,空间自适应归一化方法在视觉保真度和与输入布局的对齐性方面具有优势,生成的图像也更加逼真。
7月25日,《空间自适应归一化的语义图像合成》论文作者、GauGAN开发者之一、NVIDIA研究院首席研究科学家刘洺堉博士将在智东西公开课开讲,主题为《如何利用生成式对抗网络GAN实现“AI神笔马良”GauGAN的神奇效果》,为大家深入解读GauGAN背后的技术秘密。