报告人：王飞，中国科学院上海光学精密机械研究所副研究员

时  间：2025年10月20日 10:00-12:00

地  点：深圳大学粤海校区致原楼1014

内容摘要：

计算成像通过光学与算法的协同优化，在信息获取维度、分辨率、环境适应性和系统复杂度等方面较传统成像具有显著优势。然而，其图像重构问题是典型的病态逆问题。传统模型驱动算法通过正则项显式引入先验，而深度学习方法则通过网络训练获取数据中的隐式先验，在重构质量与计算效率上表现突出。但纯数据驱动的深度学习存在训练数据获取困难、泛化性与可解释性差等问题，限制了其实用化。近年来，将计算成像系统的物理先验融入深度学习要素（如训练数据、网络结构与损失函数）成为研究热点，有望突破上述瓶颈。本报告将重点介绍上海光机所计算光学成像研究组在基于物理增强深度学习方法的计算成像（如单像素成像、散射成像和相位恢复）方面的研究进展。

主讲人介绍：

王飞，中国科学院上海光学精密机械研究所副研究员。长期从事基于人工智能的计算光学成像研究，解决低采样、强散射、弱光照等极端条件下的光信息感知问题。在Light：Science & Applications（2020, 2022, 2025）、Advanced Photonics（2025）、Laser & Photonics Reviews（2025）等刊物发表论文40余篇，其中4篇入选ESI高被引论文，1篇入选Light期刊杰出论文（Top10）。获中国科学院院长特别奖、中国光学工程学会创新论文奖、入选斯坦福大学全球前2%榜单。