去噪是成像中最古老的问题之一。在过去的十年里，去噪算法的质量已经达到了惊人的水平——几乎和我们所希望的一样好。关于这个主题的论文有几千篇，它们的范围很广，方法也很多样，所以把它们按一定的顺序排列(就像我将要做的那样)既有用又具有挑战性。我将描述这类一般的运算符，以及它们的特殊之处。我认为去噪仍然很重要，不仅仅是作为一个去噪的过程，尤其是现在作为一个核心引擎和构建模块，在成像、逆问题和机器学习等更复杂的任务中。

地址：

https://isl.stanford.edu/talks/talks/2022q1/peyman-milanfar/

Peyman是谷歌Research的首席科学家/主管，在那里他领导着计算成像团队。在此之前，1999年至2014年，他是加州大学圣克鲁兹分校(UC Santa Cruz)电气工程教授。2010年至2012年，他担任工程学院研究副院长。从2012年到2014年，他在Google-X，在那里他帮助开发谷歌眼镜的成像管道。

https://sites.google.com/view/milanfarhome/

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“M48” 就可以获取《Google首席科学家Peyman 《计算成像去噪进展》斯坦福演讲报告，附视频与Slides》专知下载链接

专知，专业可信的人工智能知识分发 ，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取70000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取70000+AI主题知识资源