Titre

"Computational Imaging: Restoration Deep Networks as Implicit Priors"

Résumé

Many interesting computational imaging problems can be formulated as imaging inverse problems. Since these problems are often ill-posed, one needs to integrate all the available prior knowledge for obtaining high-quality solutions. This talk will explore a series of techniques that leverage deep neural networks for image restoration as data-driven, implicit priors for images. The methods discussed originate from the well-known plug-and-play (PnP) methodology, known for its effectiveness in addressing imaging inverse problems. We will extend the conversation to the generalization of PnP methods, moving beyond traditional use of additive white Gaussian noise (AWGN) denoisers to include a variety of other restoration networks. This expansion not only enhances imaging performance but also offers the flexibility to train priors in the absence of clean data. Additionally, the talk will cover the theoretical underpinnings of using deep restoration networks and their applications in biomedical image reconstruction.

Biographie

Ulugbek Kamilov est directeur du Computational Imaging Group et professeur associé d'ingénierie électrique et de systèmes, ainsi que d'informatique et d'ingénierie à l'université de Washington à Saint-Louis. Il est actuellement professeur invité au Data Science Center de l'École normale supérieure de Paris. Il a obtenu le diplôme de BSc/MSc en systèmes de communication en 2011 et le diplôme de PhD en génie électrique en 2015 à l'EPFL. Il a été professeur invité chez Google Research en 2023-2024 et chercheur chez Mitsubishi Electric Research Laboratories en 2015-2017. Il a été étudiant en échange à l'université Carnegie Mello en 2008, chercheur invité au MIT en 2011 et chercheur invité à l'université Stanford en 2013.

Il a reçu le prix CAREER de la NSF et le prix du meilleur article 2017 de l'IEEE Signal Processing Society. Il a fait partie des 55 chercheurs en début de carrière aux États-Unis sélectionnés comme Fellow pour l'initiative Scialog sur "l'avancement de la bio-imagerie" en 2021. Sa thèse de doctorat a été sélectionnée comme finaliste pour le Prix du doctorat de l'EPFL en 2016. Il a reçu le prix Outstanding Teaching Award du département d'ingénierie électrique et des systèmes de l'Université de Washington en 2023. Il est actuellement membre senior du comité de rédaction de l'IEEE Signal Processing Magazine et fait partie du comité technique de l'IEEE Signal Processing Society sur la bio-imagerie et le traitement des signaux. Il a précédemment été rédacteur en chef adjoint de l'IEEE Transactions on Computational Imaging et membre du comité technique de l'IEEE Signal Processing Society sur l'imagerie computationnelle.