（10月21日）陈妮 副教授：可微分成像

报告人: 

陈妮 荣誉副教授 （香港大学）

题目: 

可微分成像（Differentiable Imaging）

地点：

哲生堂307

时间: 

2026年10月21日09:30

主持人：

陈瑞  副教授

报告简介：

可微分成像（Differentiable Imaging）作为一种综合性框架，通过融合可微编程技术，实现了物理成像系统与计算重建算法的无缝整合，为解决计算成像系统中物理硬件限制与计算重建方法之间的固有矛盾提供了创新方案。在理论层面，该框架针对计算成像面临的两大核心挑战——物理-数值模型失配（源于系统缺陷、复杂光与物质相互作用及测量不确定性）和计算效率问题，构建了包含物理编码与计算解码过程的完整模型。通过将系统参数作为可优化变量纳入框架，并借助自动微分实现全链路优化，可微分成像有效克服了传统方法中硬件与算法分离设计的弊端。在应用方面，该框架在多种成像模式中展现出显著成效：单次拍摄复场成像无需额外光学组件，通过优化系统参数即可实现稳健重建；端到端像素超分辨无透镜成像整合多步计算流程，在简化硬件的同时提升了重建质量；高密度体积粒子测速通过建模多重散射效应，突破了传统技术的粒子密度限制；不确定性感知傅里叶叠层成像能够处理光学像差、系统失准等多源不确定性，降低了对数据质量、实验校准及成像条件的要求。可微分成像通过统一数学框架弥合了物理系统设计与计算重建的鸿沟，其核心优势在于将系统缺陷作为可优化参数处理，并采用高效的梯度优化策略。未来，随着与数字孪生和机器学习架构的深度融合，该技术有望在科学和工业领域得到更广泛的应用。

报告人简介：

陈妮博士现任香港大学电子电气工程系荣誉副教授，于韩国首尔国立大学电气与计算机工程系获博士学位。她曾任职于香港大学、上海光学精密机械研究所、韩国首尔国立大学、沙特阿拉伯阿卜杜拉国王科技大学及美国亚利桑那大学。陈博士的研究主要聚焦于计算成像领域，尤其专注于可微分成像，旨在解决计算成像系统关键组件之间的连通问题。其研究处于光学与计算科学的交叉领域，致力于探索计算成像各学科背后的基本原理，并开发统一解决方案，以应对计算成像系统中的协同设计挑战。