在完结26场超级公开课NVIDIA专场之后，自7月起，智东西公开课联合NVIDIA研究院推出了NVIDIA研究院系列，共计四讲。

第一讲是生成式对抗网络GAN公开课，于7月25日开讲，由NVIDIA研究院首席研究科学家刘洺堉老师在美国远程主讲，主题为《如何利用生成式对抗网络GAN实现“AI神笔马良”GauGAN的神奇效果》，让我们了解到了生成式对抗网络GAN在图像合成中的神奇效果。

生成图像建模是刘洺堉老师近年来的研究重点，工作包括pix2pixHD，vid2vid，GauGAN / SPADE，UNIT，MUNIT和FUNIT。

8月20日13点，刘洺堉老师将继续带来第二讲——无监督学习公开课。他将解析无监督学习在图像转换领域的创新和应用，主题为《如何利用少样本无监督学习实现高质量图像转换》，内容包括无监督学习的发展现状、无监督学习在图像转换领域的的应用和创新、少样本无监督图像转换FUNIT（Few-Shot Unsupervised Image-to-Image Translation）模型的实现和应用。

图像到图像转换方法可以应用在很多计算机视觉任务中，比如图像分割、图像修复、图像着色、图像超分辨率、图像风格（场景）变换等都属于图像到图像转换的应用范畴。那到底什么是图像到图像的转换呢？

我们看到一只站着的老虎时，自然很容易就能想象出它躺着的样子，这就是图像到图像的转换，即将一个场景的可能表示转换成另一个场景。然而我们能够想像出来是因为我们拥有联想的能力，可以根据其他动物平躺的姿势想像出老虎平躺的样子，然而对于机器来说就不那么简单了。

现有的基于无监督学习方法的图像到图像转换模型，依赖于大量的训练数据，并且模型转换的对象必须是训练数据中已有的对象类型，达不到想像创造的能力。2019年5月，NVIDIA研究院提出了一种基于少量样本的无监督学习图像到图像转换模型，仅通过少量样本的训练，即可实现图像到图像的转换，并且可以生成训练数据中不存在的类别，达到＂一图生万物＂的效果。

课程信息

主题：如何利用少样本无监督学习实现高质量图像转换
时间：8月20日13点
地点：智东西公开课直播间

课程内容

主题：如何利用少样本无监督学习实现高质量图像转换
讲师：NVIDIA研究院首席研究科学家刘洺堉

提纲
1.无监督学习发展现状
2.少样本无监督图像转换模型FUNIT解析
3.少样本无监督图像转换的应用前景和挑战

讲师介绍

刘洺堉,NVIDIA研究院首席研究科学家，曾任三菱电机研究实验院（MERL）首席研究科学家。2012年获得马里兰大学电气和计算机工程系博士学位。 2014年，刘洺堉因机器人视觉工作获得了R＆D 100奖，他的街景理解论文是2015年机器人科学与系统（RSS）会议中最佳论文决赛入围者。在2018年的CVPR中，在语义分段竞赛的领域适应和光流估计竞赛中获得了第一名。近年来，他的研究重点是生成图像建模，工作包括pix2pixHD，vid2vid，GauGAN / SPADE，UNIT，MUNIT和FUNIT。他的生成模型作品已被包括纽约时报在内的各种媒体报导，研究目标是使机器具有类似人类想像力的能力。

入群路径

每一期课程，我们都会邀请主讲导师加入智一社群，需要继续交流的朋友，可以扫描上方海报底部二维码添加智东西公开课小助理大越（ID：xdxaxx）申请，添加时请备注姓名-公司-职位或者姓名-学校-专业。

社群规则

1、智东西社群坚持实名学习、交流和合作，入群后需要修改群昵称为：姓名-公司-所在领域，违者踢群；
2、禁止在群内广告和发送二维码等无关信息，违者踢群。