报告标题：计算机视觉中的曲率优化
报告摘要：大千世界，万里山河，芸芸众生，大自然中充满了各种各样的几何形状。这些几何形状覆盖了从微观到宏观的多个尺度，在生物、医学、材料、工程、影视娱乐等多个领域有非常重要的应用。曲率，作为描述几何形状的关键特征之一，有着非常悠久的历史，也是微分几何的基本量之一。针对曲率的优化问题，传统的方法是基于几何流的逐步演变。虽然几何流在理论上比较完善，但是对于数值计算非常不友好。它的主要缺陷是需要满足数值稳定性条件。针对这一问题，我们提出了新的曲率优化算法——曲率滤波。曲率滤波优化曲率，但不需要计算曲率。这种隐式优化的方式使得曲率滤波的计算效率非常高。在达到相似优化效果的前提下，它比传统的几何流方法快1000到10000倍。同时，我们也将曲率滤波扩展为深度学习网络。这样以滤波算法为指导的神经网络模型具备很好的可解释性和泛化能力。理论推导和数值实验都表明，曲率滤波和基于曲率滤波的神经网络能够非常高效地优化曲率。这些方法能够广泛地应用于生物、材料、娱乐、医学、工程等领域，推动相关领域的进步。
个人简介：龚元浩，男，2007年获得清华大学学士学位，2015年获得瑞士苏黎世联邦理工学院（ETH）计算机博士学位，师从美国工程院院士Petros教授（现任教于哈佛大学），随后在新加坡国立大学NUS从事博士后研究，2016年加入ETH计算机视觉实验室任资深研究员，2018年回国后加入深圳大学，从事人工智能和计算机视觉方面的研究工作，并在《Nature Methods》等国际知名期刊和CVPR等国际知名会议上发表了100多篇学术论文，曾荣获IEEE ISBI 2012最佳论文奖等多个国际奖项。
