讲座人：袁鑫博士

题目：计算成像重建算法：从传统AI到生成式AI

时间：2026年5月24日9: 00-11: 00

地点：信息楼L203

讲座内容：

计算成像尤其是单曝光压缩成像（Snapshot Compressive Imaging, SCI）通过光学编码与算法解码的联合设计，成功打破了高维视觉数据采集的物理带宽瓶颈。然而，如何从极度欠采样的二维测量值中高保真地重建高维时空谱信号，始终是一个极具挑战的病态逆问题。随着生成式人工智能的发展，扩散模型（Diffusion Models）凭借其强大的数据流形建模与分布外泛化能力，为解决该逆问题提供了颠覆性的新范式。本报告将系统回顾SCI重建算法从传统模型驱动优化、数据驱动的深度映射到生成式先验引导的演进脉络；深入剖析了扩散模型在SCI逆问题中的底层求解机制，将其前沿进展创新性地划分为有监督条件生成与无监督/零样本后验采样两大核心范式，并详细梳理了特征引导、物理对齐、深度展开及即插即用等六类主流算法架构。最后，针对当前模型在高维张量计算中面临的内存灾难与“幻觉”现象，指出了实现单步实时复原、开发多退化统一架构、建立感知对齐评估指标以及强化敏感领域物理约束的未来发展方向，旨在为下一代计算成像系统提供理论参考。