图1 FSHNet网络架构
本校研究生何彬涛在韩仁敏、张焕水教授的指导下，在大会发表了“A Hybrid Frequency-Spatial Domain Model for Sparse Image Reconstruction in Scanning Transmission Electron Microscopy” 论文，本文通过分析稀疏采样图像重建来降低扫描透射显微镜剂量的相关方法，发现现有方法局限于通过邻近信息去补全空域信号。但采样率极低时的空域信号不足以恢复晶体的结构，易产生混淆现象。对此，本文提出显微图像重建网络FSHNet，用频域信息去弥补空域信号的缺失以及引导晶体样品结构的重建。同时，利用频率算子去替代传统的线性初始重建，可以显著降低网络的参数量以及适应不同采样率的情形，无需重复训练。在极低采样率（~5%）的情况下，比现有方法提升了将近50%的性能。
图2SC-Net网络架构
中科院张法教授课题组交流研究生杨智东，在韩仁敏、张法教授的指导下，在大会发表了“Single-shot Self-Supervised Cryo-Electron Tomography Volumetric Image Restoration with Sparsity Constraint“，本文在盲点自监督去噪网络的基础上提出了稀疏性限制下的三维盲点去噪网络SC-Net，在单样本数据训练的情况下获得与大量数据驱动训练的方法相媲美的效果。本文利用了模糊图像中充足的稀疏性信息来引导单样本环境下的网络训练并提出了稀疏限制损失函数，保证了低数据量情形下噪声抑制和结构保真之间的平衡关系，在真实冷冻电镜图像数据和模拟数据上都取得了较好的去噪效果。并且，SC-Net采取了自监督训练的策略，全程不需要理想干净图像的相关信息。除此之外，我们还提出了一套模拟数据的生成流程，以便于对该项任务进行量化的实验分析。
ICCV是计算机视觉领域公认的三大顶级学术会议之一，每两年举行一次，论文采取双盲的方式进行评审，录用难度较大。今年共有6236份投稿，其中接收1617篇，接收率为25.9%。
