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。
立体图像的视觉显著性受立体图像质量的影响很大。视觉显著性是图像质量预测、图像恢复和减少不适感的一个重要因素，但是在图像中预测这种非线性关系仍然非常困难。此外，大多数专门用于检测原始立体图像上的视觉显著性的方法，在面对失真的图像时可能无法获得较好的预测结果。
该论文研究了一种基于深度学习的立体图像显著性方案，称为深度视觉显著性（DeepVS），以在存在失真的情况下，获得一个更准确和可靠的显著性预测。由于视觉显著性受低层次特征（对比度、亮度和深度信息）等因素的影响，本文从心理物理学的角度出发，提出了七种基于立体图像对的低层次特征，并将其应用于深度学习中，以期自适应地检测视觉注意力。在分析过程中，考虑到低层特征在提取失真和显著信息方面起着重要作用。为了构造显著性预测因子，该论文通过两种不同的网络结构（回归和完全卷积神经网络）对人类视觉显著性进行加权和建模。实验结果表明，预测的显著性图与人类视觉模式的关联度高达70%。