DOITAPP
DOIT数据智能产业媒体与服务平台
立即打开
DOITAPP
DOIT数据智能产业媒体与服务平台
立即打开

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ASC世界大学生超级计算机竞赛(ASC19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。

图片1.png

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。

 

未经允许不得转载:DOIT » 图像超分辨率进ASC19超算大赛,PyTorch+GAN受关注