为鼓励在人工智能领域做出突出贡献和具有创新性的研究，2024年6月20日，人工智能国际顶级会议CVPR官方公布了最佳学生论文奖（Best Student Paper）。在所投稿的11532篇论文中，来自北京大学智能学院的许超教授团队与华为团队合作的科研成果“Image Processing GNN: Breaking Rigidity in Super-Resolution”荣获最佳学生论文奖提名（Best Student Paper Runners-Up）。

该论文的第一作者是2022级智能学院博士研究生田雨川，指导教师为许超教授。另外两名作者是陈汉亭博士和王云鹤博士，二人曾受许超教授指导，目前已从北大毕业，在华为诺亚方舟实验室工作。陈汉亭入选了华为天才少年，王云鹤现任算法应用部部长。

第一作者田雨川同学在CVPR会议上领取获奖证书

超分成像是将低分辨率的图像（例如监控图像、老照片等）改进为高分辨率的图像，运算时存在着一种“不均衡”现象：占图像小部分的高频细节区域，通常需要经过大量计算以完善细节；而其它的较平坦图像区域，仅需少量的计算，就可得到满意的结果。已有的算法对这种“不均衡”问题重视不足，在基于卷积或自注意力的超分成像算法中，每个像素仅和位于窗口内的像素进行交互。

利用图神经网络的灵活性，解决超分成像的“不均衡“问题

针对这个问题，该研究团队提出一种嵌入图神经网络的超分成像算法。概述如下：首先，研究者估算图中节点的重要性，设计了一种简单的估算指标，根据该指标分配节点的度数，使模型更加关注位于图像高频区域的节点；其次，研究者认为，图的连接应该挣脱局部窗口限制，为避免计算量过大，研究者提出一种局部稠密与全局稀疏采样结合的策略，先从全局或局部采样出一批节点，再在较小的采样空间内，进行邻接节点的搜索。

在超分成像实验中，该算法取得了比SOTA更好的结果，视觉效果显著提升。

该研究团队提出的算法模型取得了更好的超分成像结果

论文地址：https://openaccess.thecvf.com/content/CVPR2024/papers/Tian_Image_Processing_GNN_Breaking_Rigidity_in_Super-Resolution_CVPR_2024_paper.pdf