为加强研究生学术交流活动，推进学术创新，特开通“研究生学术报告预告区”。我校研究生和教师可以在预告区及时发布和了解有关研究生学术报告的信息，届时参加。也可就某学术报告展开专题讨论与交流。
随着 3DTV、 FTV 、3D 照相机、3D 电影等3D产品的兴起，在图像采集、编码压缩、网络传输等领域如何建立有效的3D图像质量评价机制具有重要的意义。立体图像的深度和视差,使得 我们在评价其质量时不能只简单的考虑左视图和右视图。提出了一种基于深度卷积神经网络(CNN)的无参考立体图像质量评价(SIQA)算法。该模型采用彩色图像直接作为输入，由立体图像的左视图、右视图和视差图的彩色图像块组成 3 个通道直接输入，每个通道VGG16变换网络组成，通过卷积层与最大池化层的多层堆叠，学习到立体感知特性的局部自然场景统计特征。最后将 3 通道学习到的特征向量进行线性拼接，然后通过全连接层回归，得到立体图像的质量得分。