在这个吃饭、跑步、旅游都要“photo first”的时代，分享图片，成为了我们日常生活中非常重头的部分。不过，在把自己精心拍摄的高清图片分享给好友或者上传到朋友圈、微博等社交平台上时，被服务器降低分辨率后的渣画质图片，想必也常让大家伤透了脑筋。

为了适配不同分辨率的屏幕、节省存储或带宽等，图片常常进行降采样操作，而如何从降采样后的低分辨率图片恢复原始高清图片，一直是一个难以解决的问题。

北大、微软亚洲研究院和多伦多大学合作的这项工作《Invertible Image Rescaling》，便尝试使用可逆神经网络（Invertible NN, INN）来解决此问题，为包括图像缩放等在内的信息丢失（Information Loss）问题提供了非常有前景的解决思路。这一工作成果也被ECCV2020收录为Oral 论文，其研究价值可见一斑。为了让大家详细了解这项工作的可逆框架建模方法以及模型设计、实验，AI 科技评论专门邀请到了一作肖命清同学来为大家做直播解读。据悉，肖命清同学刚从北大本科毕业，大家想不想了解本科阶段就开始发顶会论文是一种怎样的体验呢？

7月10日晚上八点，大家不妨跟肖命清同学亲自侃一侃咯~

分享主题：可逆图像缩放

分享时间：7月10日（星期五）20:00

分享嘉宾：肖命清，北京大学本科生，微软亚洲研究院实习生

分享内容：

图像的降采样缩放是对数字图像最常见的操作之一，比如为了适配不同分辨率的屏幕、节省存储或带宽等。然而，如何从一张降采样后的图像上采样恢复出原始的高分辨率图像，是一个非常有挑战的问题。

本次分享将介绍最近被ECCV 2020录用为Oral的一项工作Invertible Image Rescaling，通过对图像的降采样和上采样进行可逆建模，从一个全新的视角解决这类问题。

分享提纲：

问题背景介绍

可逆框架的建模方法

模型设计与实验

工作的前景

如何加入？            

扫码关注[ AI研习社顶会小助手] 微信号，发送关键字“ECCV 2020+直播”，即可进群观看直播和获取课程资料。