為鼓勵在人工智能領域做出突出貢獻和具有創新性的研究，2024年6月20日，人工智能國際頂級會議CVPR官方公布了最佳學生論文獎（Best Student Paper）。在所投稿的11532篇論文中，來自beat365beat365的許超教授團隊與華為團隊合作的科研成果“Image Processing GNN: Breaking Rigidity in Super-Resolution”榮獲最佳學生論文獎提名（Best Student Paper Runners-Up）。

該論文的第一作者是2022級beat365博士研究生田雨川，指導教師為許超教授。另外兩名作者是陳漢亭博士和王雲鶴博士，二人曾受許超教授指導，目前已從北大畢業，在華為諾亞方舟實驗室工作。陳漢亭入選了華為天才少年，王雲鶴現任算法應用部部長。

第一作者田雨川同學在CVPR會議上領取獲獎證書

超分成像是将低分辨率的圖像（例如監控圖像、老照片等）改進為高分辨率的圖像，運算時存在着一種“不均衡”現象：占圖像小部分的高頻細節區域，通常需要經過大量計算以完善細節；而其它的較平坦圖像區域，僅需少量的計算，就可得到滿意的結果。已有的算法對這種“不均衡”問題重視不足，在基于卷積或自注意力的超分成像算法中，每個像素僅和位于窗口内的像素進行交互。

利用圖神經網絡的靈活性，解決超分成像的“不均衡“問題

針對這個問題，該研究團隊提出一種嵌入圖神經網絡的超分成像算法。概述如下：首先，研究者估算圖中節點的重要性，設計了一種簡單的估算指标，根據該指标分配節點的度數，使模型更加關注位于圖像高頻區域的節點；其次，研究者認為，圖的連接應該掙脫局部窗口限制，為避免計算量過大，研究者提出一種局部稠密與全局稀疏采樣結合的策略，先從全局或局部采樣出一批節點，再在較小的采樣空間内，進行鄰接節點的搜索。

在超分成像實驗中，該算法取得了比SOTA更好的結果，視覺效果顯著提升。

該研究團隊提出的算法模型取得了更好的超分成像結果

論文地址：https://openaccess.thecvf.com/content/CVPR2024/papers/Tian_Image_Processing_GNN_Breaking_Rigidity_in_Super-Resolution_CVPR_2024_paper.pdf