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。
深度图作为立体视频研究领域的关键内容， 受到了广泛关注。 然而，目前直接获取的深度图受其成像原理及硬件设备等因素的限制,存在分辩率低， 边缘信息丢失等缺点,极大影响了深度图的应用。 为了解决这一问题， 提出基于双通道卷积神经网络的深度图超分辨率重建模型。 该模型由深、 浅两个通道组成， 21层的深层通道通过联合卷积与反卷积， 结合跳跃连接与多尺度理论， 实现深度图细节特征的快速学习； 3层的浅层通道用于学习深度图的轮廓特征； 最后融合深、 浅两个通道， 将细节与轮廓相结合， 实现由低分辨率深度图（ Low resolution depth map: LR） 到高分辨率深度图（ High resolution depth map: HR） 的端到端的学习。